国产又黄又爽胸又大免费视频,一区二区精品

社區(qū)入室盜竊風(fēng)險評估模型研究[通信與網(wǎng)絡(luò)][通信網(wǎng)絡(luò)]

風(fēng)險評估對社區(qū)入室盜竊案件的防控具有參考意義?；谖墨I(xiàn)調(diào)研和實地考察，結(jié)合社區(qū)警務(wù)的實際工作經(jīng)驗，構(gòu)建了社區(qū)入室盜竊風(fēng)險評估指標(biāo)體系，并綜合運用模糊層次分析法、德爾菲法、DS證據(jù)理論和模糊綜合評價法實現(xiàn)了定量計算。以某大型城市13個典型社區(qū)為例，對提出的風(fēng)險評估方法進(jìn)行了驗證，并與實際入室盜竊案件數(shù)據(jù)進(jìn)行了對比。結(jié)果表明，社區(qū)警務(wù)室的建設(shè)和運行對入室盜竊風(fēng)險影響最大，其次為小區(qū)關(guān)鍵場所設(shè)施安全狀況和小區(qū)空間家居狀況；模糊綜合評價結(jié)果與實際入室盜竊發(fā)案情況基本一致。所提出的方法預(yù)期可以為社區(qū)入室盜竊犯罪的預(yù)防提供決策依據(jù)。

發(fā)表于：12/16/2020 11:14:00 AM

基于時空聚集的網(wǎng)貸反欺詐建模與研究[其他][其他]

識別突發(fā)的團(tuán)伙欺詐已經(jīng)成為網(wǎng)貸業(yè)務(wù)中亟待解決的問題。在特征維度較少的情況下，提出了一種基于時空聚集的網(wǎng)貸反欺詐模型。首先基于用戶定位信息和申請貸款的時間，設(shè)計了一個適用于網(wǎng)貸場景下的聚集指標(biāo)：KN最近鄰指數(shù)；然后，將不同時間觀察窗口的K-N最近鄰指數(shù)利用基于LSTM(長短期記憶網(wǎng)絡(luò))的seq2seq(序列到序列)模型提取embedding(嵌入)特征；最后，利用LightGBM模型預(yù)測欺詐發(fā)生的概率。實驗結(jié)果表明，所提出的指標(biāo)能更有效地捕捉壞賬，且相比于僅使用基礎(chǔ)特征，預(yù)測結(jié)果的KS值和AUC都有了較好的提升。

發(fā)表于：12/16/2020 11:03:00 AM

基于智能電表的電器用電量分類計量方法研究[電源技術(shù)][智能電網(wǎng)]

隨著電力需求側(cè)對于用電管理的重視度提升，只提供用戶總電量計量的電表已無法滿足人們的要求，為此，開創(chuàng)性地提出了在通用電表上實現(xiàn)用電器用電量分類計量方法。該方法利用電表的數(shù)據(jù)采集及處理功能獲取用電器特征后，將該暫態(tài)告警信息上傳至云端與預(yù)先建立的SVM模型進(jìn)行類別匹配，從而判定用電器類型及相應(yīng)的用戶操作，同時將識別結(jié)果及告警時間存入數(shù)據(jù)庫，后續(xù)通過分類計量策略實現(xiàn)各類用電器單獨的耗能量計算。實例驗證了該方法的準(zhǔn)確性及可靠性，該方法具有較大實際應(yīng)用價值。

發(fā)表于：12/16/2020 10:47:00 AM

基于超級電容的電動小車動態(tài)無線充電系統(tǒng)[電源技術(shù)][汽車電子]

以電動小車無線充電為主題，實現(xiàn)了以超級電容為基本儲能裝置的電動小車動態(tài)無線充電系統(tǒng)。該系統(tǒng)使用了將無線充電模塊與超級電容組相結(jié)合的模式，通過把直流電轉(zhuǎn)換成高頻交流電，再通過電磁感應(yīng)原理為超級電容無線充電，放電時通過Boost變換為小車提供電能。實驗可實現(xiàn)小車在跑道上的某點充電時，充電指示燈點亮起；當(dāng)外界電源切斷，充電斷電后，小車可自動啟動并循跡行駛。最終證明了超級電容與無線充電模塊組合裝置可實現(xiàn)小車在行駛中，經(jīng)過通電線圈時可以進(jìn)行閃充,并沿著既定運行軌道繼續(xù)行進(jìn)。

發(fā)表于：12/16/2020 10:37:00 AM

無中斷向量重定位單片機(jī)中實現(xiàn)IAP和APP中斷的方法[嵌入式技術(shù)][工業(yè)自動化]

獨創(chuàng)了一種基于RAM中轉(zhuǎn)的中斷跳轉(zhuǎn)方法，該方法以軟件形式實現(xiàn)了單片機(jī)的中斷向量重定位功能，實現(xiàn)了在應(yīng)用中編程，克服了某類普通經(jīng)濟(jì)型單片機(jī)無法通過硬件寄存器設(shè)置中斷跳轉(zhuǎn)地址來實現(xiàn)跳轉(zhuǎn)的局限性，使得這類單片機(jī)也能在同一片F(xiàn)lash內(nèi)運行IAP和APP并相互跳轉(zhuǎn)，大大拓展了實用性。采用某國產(chǎn)單片機(jī)(SWM240)實現(xiàn)了IAP和APP部分，并在生產(chǎn)實際中得到檢驗。

發(fā)表于：12/16/2020 10:25:00 AM

一種高速網(wǎng)絡(luò)流識別處理系統(tǒng)的設(shè)計與實現(xiàn)[通信與網(wǎng)絡(luò)][通信網(wǎng)絡(luò)]

隨著骨干網(wǎng)絡(luò)傳輸速率不斷提高，對高速網(wǎng)絡(luò)信號分析處理系統(tǒng)的需求十分迫切。骨干網(wǎng)絡(luò)高速率、大帶寬的特點給整個網(wǎng)絡(luò)空間的管理帶來了許多困難。采用五元組定義的網(wǎng)絡(luò)流作為研究對象，通過理論分析，設(shè)計和實現(xiàn)了高速網(wǎng)絡(luò)流識別處理系統(tǒng)硬件平臺，實現(xiàn)網(wǎng)絡(luò)信號在流層面的分析識別，并根據(jù)分析結(jié)果執(zhí)行不同的處理策略，從而為網(wǎng)絡(luò)流的分類處理提供了依據(jù)。

發(fā)表于：12/16/2020 10:14:00 AM

基于深度學(xué)習(xí)的在線字臨摹分析系統(tǒng)設(shè)計[其他][其他]

為方便和快速地進(jìn)行字體臨摹分析，該系統(tǒng)將紙面手寫字與名人真跡字進(jìn)行相似度比較，使用殘差網(wǎng)絡(luò)ResNet50模型和新的字相似度算法對手寫字進(jìn)行高精度識別并與名人真跡字快速地進(jìn)行相似度計算。將自制的名人書法字?jǐn)?shù)據(jù)集和普通中文數(shù)據(jù)集合在一起訓(xùn)練ResNet50模型，最后結(jié)合Web網(wǎng)站和Android開發(fā)了一個實時在線手寫字與各名人書法字進(jìn)行相似度比較的系統(tǒng)。Android端主要用來上傳紙面手寫字照片和展示處理的結(jié)果，搭建的Web網(wǎng)站用來對圖片進(jìn)行識別和相似度的計算與分析。

發(fā)表于：12/16/2020 9:59:00 AM

基于Wi-Fi信號的環(huán)境反向散射技術(shù)分析[通信與網(wǎng)絡(luò)][物聯(lián)網(wǎng)]

環(huán)境反向散射技術(shù)給物聯(lián)網(wǎng)低功耗設(shè)備部署的商業(yè)化帶來了新的技術(shù)方案。首先簡要概述反向散射技術(shù)的分類和基本特點，然后基于Wi-Fi信號下的環(huán)境反向散射技術(shù)，分析反向散射的設(shè)備通過接收Wi-Fi報文及反射信號來傳遞信息的可行性，討論設(shè)備實現(xiàn)Wi-Fi雙向通信的硬件框架和軟件模塊結(jié)構(gòu)，介紹反向散射技術(shù)的應(yīng)用場景，并歸納該技術(shù)的挑戰(zhàn)和改進(jìn)方向。最后展望了基于Wi-Fi信號的環(huán)境反向散射技術(shù)的發(fā)展趨勢和研究方向。

發(fā)表于：12/16/2020 9:08:00 AM

5G基站型路側(cè)設(shè)備技術(shù)方案與應(yīng)用研究[通信與網(wǎng)絡(luò)][5G]

隨著5G技術(shù)的發(fā)展和商用，基于車路協(xié)同的自動駕駛被業(yè)界認(rèn)為是車聯(lián)網(wǎng)未來發(fā)展的主要方向之一，路側(cè)設(shè)備RSU是車路協(xié)同關(guān)鍵設(shè)備之一。立足于未來5G網(wǎng)絡(luò)和C-V2X網(wǎng)絡(luò)發(fā)展趨勢，分析了5G基站型RSU的需求，并對5G基站型RSU的技術(shù)方案、基本功能進(jìn)行了描述，展望了5G基站型RSU的應(yīng)用場景。

發(fā)表于：12/16/2020 8:59:00 AM

基于CNN-LightGBM模型的高速公路交通量預(yù)測[人工智能][物聯(lián)網(wǎng)]

有效的交通流量預(yù)測對人們出行和交管部門監(jiān)管都有著重要的意義。傳統(tǒng)的交通量預(yù)測模型主要基于交通流的時間特性，未結(jié)合交通流的時間和空間特性進(jìn)行深入挖掘，因此預(yù)測效果有時不佳。提出了一種基于CNN與LightGBM結(jié)合的交通流預(yù)測模型，首先利用CNN模型挖掘出高速公路相鄰路段監(jiān)測點和出入口的時間和空間關(guān)聯(lián)性，實現(xiàn)對交通流數(shù)據(jù)的時空特征提取，然后將CNN提取到的特征向量輸入到LightGBM模型中進(jìn)行預(yù)測。為了驗證模型的有效性，實驗中使用了多種預(yù)測模型進(jìn)行對比，實驗結(jié)果表明，所提出的考慮到時空特性的CNNLightGBM組合的模型可以明顯降低預(yù)測誤差，是一種有效快速的交通流預(yù)測模型。

發(fā)表于：12/15/2020 10:16:00 PM