【摘 要】
：
由于旅客-航班异构网络仅有高度稀疏的民航旅客同行记录,现有子图抽取方法难以从旅客-航班异构网络中获得旅客同行子图.对此提出基于旅客-航班异构网络的旅客同行子图抽取算法.将旅客-航班异构网络转换为旅客-旅客同构网络,通过随机游走方法得到旅客间的潜在同行关系,使用标签传播算法进行子图抽取.在国内某航空公司的旅客订票数据集上的实验表明,相比于LPA、COPRA、CPM等基准算法,该算法在模块度和标准化互信息上具有更好效果.
【机 构】
：
中国民航大学计算机科学与技术学院 天津300300;民航旅客服务智能化应用技术重点实验室 天津300300;中国民航大学信息技术科研基地 天津300300;中国民航大学计算机科学与技术学院 天津300
论文部分内容阅读
由于旅客-航班异构网络仅有高度稀疏的民航旅客同行记录,现有子图抽取方法难以从旅客-航班异构网络中获得旅客同行子图.对此提出基于旅客-航班异构网络的旅客同行子图抽取算法.将旅客-航班异构网络转换为旅客-旅客同构网络,通过随机游走方法得到旅客间的潜在同行关系,使用标签传播算法进行子图抽取.在国内某航空公司的旅客订票数据集上的实验表明,相比于LPA、COPRA、CPM等基准算法,该算法在模块度和标准化互信息上具有更好效果.
其他文献
针对彩色图像边缘检测中RGB颜色空间分量之间高的关联性会导致部分色彩信息未能被有效识别、检测及抗噪性低,提出一种多层小波阈值去噪函数的彩色图像边缘检测方法.采用改进的小波阈值去噪方法对彩色图像进行去噪预处理;运用四元数思想构建四方向特征矩阵求解Canny算子梯度幅值和幅角;进行非极大值抑制和自适应双阈值处理得到最终边缘检测图像.实验表明,该算法能够较好地获取彩色图像边缘信息,并有效降低漏检率和错检率,增强了自适应性,提高了边缘检测中边缘的连续性和抗噪性.
针对传统单幅图像超分辨率深度学习方法将不同尺度低分辨率视作独立任务的问题,提出一种以残差通道注意力模块作为特征提取,元上采样模块作为放大模块的超分辨率网络.残差通道注意力机制可以滤除冗余低频信息减少网络深度,使元上采样模块更好地训练不同尺度低分辨率图像特征间的关系,实现任意尺度的超分辨率网络.为了验证该方法有效性,在Set5、Set14、Urban100等公共数据集上实验.实验结果表明,该方法在整数与非整数倍尺度都能很好地恢复高分辨率图像.
针对基于二维目标检测和卡尔曼滤波的多目标人体跟踪算法在视频拍摄角度不定的情况下,检测算法生成不同角度人体二维检测框的朝向和尺度混淆以及卡尔曼滤波器随机初始化造成的初始跟踪误差逐步放大问题,提出一种基于相机模型投影的多目标三维人体跟踪算法.在人体检测阶段,提出Multi-task RCNN(MTRC-NN)网络,使用人体运动趋势指导的三维目标检测替代传统的二维目标检测;通过相机模型在世界坐标系中进行人体检测框的投影.在跟踪阶段,使用目标三维尺度和朝向信息初始化卡尔曼滤波参数,加入三维包围框IOU生成目标匹配
针对传统手势识别方法中存在的易受环境光线影响、用户需携带设备、部署代价高等不足,提出基于信道状态信息的手势识别方法(HandFi),以空中手写10个阿拉伯数字的独特书写模式引起CSI波形变换为基础,引入衡量当前室内环境变化的指标,来表征室内人数变化时子载波波动程度的变化,使用巴特沃斯低通滤波和主成分分析去噪,并利用小波变换提取手势时频域特征,设计CNN-GRU模型挖掘CSI序列的时空特征,从而实现动态手势识别.运用HandFi在两种环境的实验结果表明,其平均识别准确度均有较大提高.
人像抠图算法是许多人像图像处理方法的核心,而人像三分图的准确性直接影响抠图的效果.提出一种通过关键点估计人脸尺度,根据尺度控制三分图生成网络产生标准化的人像三分图,从而提高人像抠图结果的方法.同时构建一个包含19118幅人像的数据集用于训练和测试模型,并提出一种多级微调的方式来训练模型,以降低训练难度并获得更好的效果.实验结果表明,在人像占图像比例不可控的场景中,该方法可以取得较好的结果.
设计一种安全与便捷均衡的蓝牙SIM型智能IC卡产品.该产品以国密安全芯片为控制核心,结合蓝牙芯片和三轴地磁传感器,将各模块封装成蓝牙SIM型智能IC卡硬件形态,可直接嵌入到手机卡槽内,实现便捷使用.该方案符合智能IC卡检测规范,可为移动应用App提供安全、便捷的数字签名与信息加密服务.所设计的产品支持安卓和iOS两大主流系统,支持SM2、SM3、SM4等国密算法,可用于公开密钥基础设施的各种应用场景.目前该产品在金融领域的应用实践表明其兼具安全与便捷的性能.
为提高家庭服务机器人指令中目标对象预测的准确率,提出一种基于混合深度学习的多模态自然语言理处理(Natural Language Processing,NLP)指令分类方法.该方法从语言特征、视觉特征和关系特征多模态入手,采用两种深度学习方法分别以多模态特征进行编码.对于语言指令,采用多层双向长短期记忆(Bi-LSTM)进行子词嵌入和编码;对于非语言场景,使用卷积神经网络进行编码.最终得到每个目标-源对可能性的区域范围.实验结果表明,该方法能够提高机器人接收指令任务中目标对象预测的准确率且性能优于现有其他
针对网购消费者异常行为特征难提取、特征维度高和检测精度低等问题,提出一种基于自动编码器的孤立森林模型,用于网购消费者异常行为检测.通过自动编码器对网购消费者数据进行降维处理,利用孤立森林进行异常行为检测,利用网格搜索算法进行参数调优.实验结果表明,该模型降维效果、检测精度都优于主成分分析方法(PCA)与模糊C均值结合模型,对于网购消费者异常行为检测问题有实际的意义.
为减少实用拜占庭容错(PBFT)算法的通信开销,现有研究主要通过选举方式在保证安全的前提下挑选少量节点参与共识,但其灵活性差、容错率低、资源耗费高.对此,通过建立信用节点列表和信用评价机制,提出一种基于可信列表的改进拜占庭容错算法(CPBFT).仿真分析表明,较PBFT算法,CPBFT算法不仅能提高节点灵活性和容错率,还降低了约42.74％的通信带宽开销,提升了约3.12％的交易吞吐量,降低了约3.03％的时延,具有一定性能优势.
在数据生产速度波动较大的场景,为了实时ETL资源利用更合理,提出基于稳定匹配的ETL弹性调度机制.预测数据源的数据生产速度,并计算满足预测值的消费数据速度;使用贪婪负载均衡算法,调整ETL服务个数使节点负载均衡;确定ETL操作匹配关系,使消费数据速度最大且代价最小.该调度机制将匹配问题转化为最小费用最大流问题,并提出基于Dicnic算法的改进算法.实验结果表明,该调度机制在资源使用方面具有优势.