排序方式： 共有82条查询结果，搜索用时 15 毫秒
31.
32.
云模式及其在物联网中的应用 总被引：1，自引：0，他引：1
针对集群系统中分配节点的单节点失效问题,提出了一种基于云计算系统的集群服务方式,采用全新的自适应云调度策略,完成对最优服务器节点的动态选择。策略以心跳表为基础,通过＂星级服务＂生成不同数目的虚拟服务器组,按照先来先提供服务的竞争机制完成最优节点的选择,保证了当云计算系统的某些部分节点失效时,整个系统仍能继续正常运行,同时也具有自动调整系统负载的作用。最后结合物联网当前面临的难题,探讨了模式在物联网中的应用以及应关注的几个关键问题。 相似文献
33.
基于云计算架构的分布式数据挖掘研究 总被引：1，自引：0，他引：1
物联网的快速发展对数据挖掘系统提出了新的要求,传统的分布式数据挖掘系统已经无法满足物联网数据挖掘处理的要求.在基于不可信节点的云计算架构基础之上提出了一种新型的分布式数据挖掘模式,实现分布式数据挖掘无缝接入云计算系统,以满足物联网的需求. 相似文献
34.
运用排队模型理论对火车站售票排队系统进行模拟仿真,通过分析模拟出售票窗口的数目对火车站售票排队系统的影响.火车站可以根据客流量动态控制售票窗口数目,有效地为车站节约成本,增加旅客的满意度.应用MATLAB模拟运算结果与成都火车北站实际数据进行对比分析,证明该仿真系统的有效性. 相似文献
35.
36.
针对信息冗余导致机器学习分类精度下降的问题,该文提出了一种结合Relief F和递归特征消除法(RFE)进行特征优选的桉树人工林面积提取方法。首先将Zhuhai-1和Sentinel-1卫星影像进行融合,通过结合Relief F和RFE进行特征优选,以减少信息冗余的影响。其次,基于光谱、红边指数、纹理特征、植被指数和后散射系数等特征,采用简单非迭代聚类(SNIC)面向对象和随机森林(RF)算法进行桉树人工林面积提取。最后,为验证Relief F-RFE模型在分类方面的性能表现,将其与无特征优选下基于Zhuhai-1和融合数据以及基于RF特征优选的分类结果进行对比分析。结果表明：利用Relief F-RFE优选特征能有效提高桉树人工林分类精度,总体精度达到96.43%,相比于无特征优选下基于Zhuhai-1和融合数据分类结果,总体精度分别提高14.95%和8.43%。在与RF特征选择方法进行对比时,总体精度有所增长,提高了7.55%。 相似文献
37.
本文旨在研究基于地块数据约束的深度学习模型的分类特征表示方法,以识别不同作物在不同时相上光谱差异从而对作物类型进行分类。通过Google Earth Engine平台获取作物生育期内全部Landsat 8影像,利用其质量评定波段完成研究区无云时相及区域上的地块统计,提取地块级别的各波段反射率均值按照时相顺序及波长进行排列,构建波谱、时相二维特征图作为该地块的抽象表示。通过构建相对最优的卷积神经网络CNN(Convolutional Neural Network)结构完成对特征图的分类,从而完成对地块的分类。构建CNN模型并不需要手工特征和预定义功能的需求,可完成提取特征并遵循端到端原则进行分类。将该模型的分类结果与其他最为常用机器学习分类器进行了比较,获得了优于常用遥感分类算法的分类精度。结果表明地块数据的加入可以有效的缩减计算规模并提供了准确的分类边界。所提出得方法在地块特征表示及作物分类中具有突出的应用潜力,应视为基于地块的多时相影像分类任务的优选方法。 相似文献
38.
39.
为弥补在峡谷、建筑物、被遮挡等区域全球定位系统（GPS）定位耗时过长或根本无法定位的问题,近几年来基于GPS系统的各种区域增强或区域辅助的定位方法得到了较快发展。在介绍转发器技术的基础上,分析了其定位模型。为不良区域的GPS定位提供了有益参考。 相似文献
40.