公共文化服务平台

共 7 条记录，以下是 1-7

全选清除导出

排序方式：

基于精确传感网络的智能交通系统交通流模型被引量：7: 2012年; 首先介绍了基于精确传感网络的智能交通系统(ITS)相对于传统交通流传感器网络的优势;然后基于组合预测理论对这类网络的基本交通流模型进行了研究,在模型中引入了更加精确的交通流物理量,包括旅行时间、路段上游及下游的分类交通流量等变量,使所建立模型的可解释信息量更加丰富和易懂,该模型算法为动态算法。交通实测数据实验证明模型的拟合精度较高,拟合值与真值的平均绝对误差值控制在9 s以内,平均相对误差值控制在5%以内,综合各个时段来看,预测的准确度都在90%以上。最后总结了基于精确传感器网络的智能交通系统在实际交通应用中的重大价值。; 王涛李志蜀; 关键词：智能交通系统旅行时间交通流模型

基于亚像素大津法的二维条码分割被引量：1: 2013年; 在低分辨率的情况下,基于像素的条码分割方法很容易造成二维条码的深色模块和浅色模块分割错误,导致条码不能被正确识别。为解决该问题,提出一种基于亚像素大津法的二维条码分割方法。首先进行基于插值算法的亚像素处理来提高条码图像的分辨率,为此提出了一种改进的基于边缘的自适应插值算法。然后用基于分块的大津法分割条码图像的深色模块和浅色模块。实验结果表明该方法能够有效地消除低分辨率对条码识别的影响。; 袁军王俊峰唐鹏; 关键词：亚像素插值算法

网络性能测量系统架构的研究与设计被引量：1: 2013年; 随着互联网规模的不断壮大,网络用户数量不断增多,如何进行网络实时检测与分析,对网络的设计和应用提出严峻的考验,这就需要对网络进行实时检测,并且根据分析结果进行处理。所以,网络性能测量平台的研究与实现很有必要。介绍网络测量的基本概念和主要技术,在此基础上,着重分析网络测量系统的架构设计以及实现,进而对测量结果进行数据分析,发现网络异常,提出可行的解决方案。; 赵重阳王俊峰陈世强高梦超; 关键词：网络测量架构

转化生长因子β2基因多态性与中国汉族先天性心脏病的关联研究被引量：1: 2012年; 目的探索转化生长因子β2（transforminggrowthfactorβ22，TGFβ22）基因上的一个标签单核苷酸多态性位点（rs6658835）与中国汉族人群先天性心脏病（congenitalheartdisease，CHD）的相关性。方法用聚合酶链反应和限制性片段长度多态性（polymerasechainreaction—restrictionfragmentlengthpolymorphism，PCR-RFLP）法检测324例常见先天性心脏病（房间隔缺损144例，动脉导管未闭88例，室间隔缺损92例）以及158名正常对照者TGFβ2基因rs6658835位点的单核苷酸多态性。结果与正常对照相比，房间隔缺损患者、动脉导管未闭患者基因型及等位基因分布差异无统计学意义（P〉0．05），而室间隔缺损患者的基因型及等位基因分布与正常对照比较差异有统计学意义（P〈0．05）。结论rs6658835位点的单核苷酸多态性与室间隔缺损的易感性存在关联。; 谢军陈宇李慧周斌饶莉; 关键词：先天性心脏病转化生长因子Β2 单核苷酸多态性

基于网络驱动接口规范的网络时延测量位置误差消除方法被引量：2: 2012年; 在网络性能测量中,位置误差是影响网络时延测量精度的主要因素之一。针对位置误差问题,提出一种基于Windows网络驱动接口规范(NDIS)的时延测量改进方法。通过在微端口驱动(MD)和协议驱动(PD)间插入一个NDIS中间层驱动(ID)程序,将测量时间戳记录位置从应用程序下移到该中间层驱动,测量程序依据其记录的时间戳计算网络时延值。实验结果表明,与传统方法比较,在不同主机负载和包长度下,所提方法基本消除了位置误差,测量值标准差小于10μs,并且不需要额外软硬件支持,测量成本低,适合普遍采用。; 陈世强周旭王俊峰唐晖; 关键词：中间层驱动

复杂背景下的票据字符分割方法被引量：7: 2012年; 针对票据字符识别中图像存在的底纹、印章和图案等复杂背景干扰问题,提出一种有效的字符分割方法。通过快速提升小波变换提取出图像中具有显著性的字符纹理特征。采用一种由粗到精的搜索策略,在图像区域和像素两个层次上逐步区分出文字和背景。首先根据区域纹理特征,利用支持向量机对区域进行分类,定位出包含文字的图像区域;然后采用K-means算法对文字区域内的像素进行聚类划分,从而实现文字分割。实验结果表明,方法具有较高的准确性,并且在背景纹理和印章干扰的情况下具有较好的鲁棒性。; 叶龙欢王俊峰高琳袁军; 关键词：字符分割支持向量机 K-MEANS聚类

基于时空分析的复杂交通流数据挖掘算法被引量：10: 2011年; 为了建立一种易于计算机实现的线性算法来进行交通流数据挖掘,同时建立更加精确的路段交通流模型,通过分析复杂交通数据所特有的流特征和时空特征提出了一种新的交通流数据挖掘算法。首先采用时空滑动窗口数据模型降低了算法的时空复杂度,并实现了动态挖掘;通过对数据流进行聚类分析发现彼此间相似的数据流,并按时段分簇;对每一簇通过主成分分析法剔除非关键变量,最后使用分时段多元线性回归方程构建兴趣模式的表达式,该算法为动态算法,交通实测数据实验证明模型的拟合精度较高,拟合值与真值的平均绝对误差值控制在9秒以内,平均相对误差值控制在5%以内,综合各个时段来看,预测的准确度都在90%以上。; 王涛王俊峰罗积玉兰时勇; 关键词：流数据挖掘交通流模型

全选清除导出

共1页<1>

四川省应用基础研究计划项目(2010JY0013)