91精品国产92久久久久无码传,国产成人天天在线视频,97色伦图片97色伦图影院久久

基于時(shí)空聚集的網(wǎng)貸反欺詐建模與研究[其他][其他]

識(shí)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(wèn)題。在特征維度較少的情況下，提出了一種基于時(shí)空聚集的網(wǎng)貸反欺詐模型。首先基于用戶(hù)定位信息和申請(qǐng)貸款的時(shí)間，設(shè)計(jì)了一個(gè)適用于網(wǎng)貸場(chǎng)景下的聚集指標(biāo)：KN最近鄰指數(shù)；然后，將不同時(shí)間觀察窗口的K-N最近鄰指數(shù)利用基于LSTM(長(zhǎng)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(cè)欺詐發(fā)生的概率。實(shí)驗(yàn)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(cè)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(lèi)計(jì)量方法研究[電源技術(shù)][智能電網(wǎng)]

隨著電力需求側(cè)對(duì)于用電管理的重視度提升，只提供用戶(hù)總電量計(jì)量的電表已無(wú)法滿足人們的要求，為此，開(kāi)創(chuàng)性地提出了在通用電表上實(shí)現(xiàn)用電器用電量分類(lèi)計(jì)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(lèi)別匹配，從而判定用電器類(lèi)型及相應(yīng)的用戶(hù)操作，同時(shí)將識(shí)別結(jié)果及告警時(shí)間存入數(shù)據(jù)庫(kù)，后續(xù)通過(guò)分類(lèi)計(jì)量策略實(shí)現(xiàn)各類(lèi)用電器單獨(dú)的耗能量計(jì)算。實(shí)例驗(yàn)證了該方法的準(zhǔn)確性及可靠性，該方法具有較大實(shí)際應(yīng)用價(jià)值。

發(fā)表于：12/16/2020 10:47:00 AM

基于超級(jí)電容的電動(dòng)小車(chē)動(dòng)態(tài)無(wú)線充電系統(tǒng)[電源技術(shù)][汽車(chē)電子]

以電動(dòng)小車(chē)無(wú)線充電為主題，實(shí)現(xiàn)了以超級(jí)電容為基本儲(chǔ)能裝置的電動(dòng)小車(chē)動(dòng)態(tài)無(wú)線充電系統(tǒng)。該系統(tǒng)使用了將無(wú)線充電模塊與超級(jí)電容組相結(jié)合的模式，通過(guò)把直流電轉(zhuǎn)換成高頻交流電，再通過(guò)電磁感應(yīng)原理為超級(jí)電容無(wú)線充電，放電時(shí)通過(guò)Boost變換為小車(chē)提供電能。實(shí)驗(yàn)可實(shí)現(xiàn)小車(chē)在跑道上的某點(diǎn)充電時(shí)，充電指示燈點(diǎn)亮起；當(dāng)外界電源切斷，充電斷電后，小車(chē)可自動(dòng)啟動(dòng)并循跡行駛。最終證明了超級(jí)電容與無(wú)線充電模塊組合裝置可實(shí)現(xiàn)小車(chē)在行駛中，經(jīng)過(guò)通電線圈時(shí)可以進(jìn)行閃充,并沿著既定運(yùn)行軌道繼續(xù)行進(jìn)。

發(fā)表于：12/16/2020 10:37:00 AM

無(wú)中斷向量重定位單片機(jī)中實(shí)現(xiàn)IAP和APP中斷的方法[嵌入式技術(shù)][工業(yè)自動(dòng)化]

獨(dú)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(shí)現(xiàn)了單片機(jī)的中斷向量重定位功能，實(shí)現(xiàn)了在應(yīng)用中編程，克服了某類(lèi)普通經(jīng)濟(jì)型單片機(jī)無(wú)法通過(guò)硬件寄存器設(shè)置中斷跳轉(zhuǎn)地址來(lái)實(shí)現(xiàn)跳轉(zhuǎn)的局限性，使得這類(lèi)單片機(jī)也能在同一片F(xiàn)lash內(nèi)運(yùn)行IAP和APP并相互跳轉(zhuǎn)，大大拓展了實(shí)用性。采用某國(guó)產(chǎn)單片機(jī)(SWM240)實(shí)現(xiàn)了IAP和APP部分，并在生產(chǎn)實(shí)際中得到檢驗(yàn)。

發(fā)表于：12/16/2020 10:25:00 AM

一種高速網(wǎng)絡(luò)流識(shí)別處理系統(tǒng)的設(shè)計(jì)與實(shí)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(duì)高速網(wǎng)絡(luò)信號(hào)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(diǎn)給整個(gè)網(wǎng)絡(luò)空間的管理帶來(lái)了許多困難。采用五元組定義的網(wǎng)絡(luò)流作為研究對(duì)象，通過(guò)理論分析，設(shè)計(jì)和實(shí)現(xiàn)了高速網(wǎng)絡(luò)流識(shí)別處理系統(tǒng)硬件平臺(tái)，實(shí)現(xiàn)網(wǎng)絡(luò)信號(hào)在流層面的分析識(shí)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(lèi)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(jì)[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(xiě)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(duì)手寫(xiě)字進(jìn)行高精度識(shí)別并與名人真跡字快速地進(jìn)行相似度計(jì)算。將自制的名人書(shū)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(kāi)發(fā)了一個(gè)實(shí)時(shí)在線手寫(xiě)字與各名人書(shū)法字進(jìn)行相似度比較的系統(tǒng)。Android端主要用來(lái)上傳紙面手寫(xiě)字照片和展示處理的結(jié)果，搭建的Web網(wǎng)站用來(lái)對(duì)圖片進(jìn)行識(shí)別和相似度的計(jì)算與分析。

發(fā)表于：12/16/2020 9:59:00 AM

基于Wi-Fi信號(hào)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(lái)了新的技術(shù)方案。首先簡(jiǎn)要概述反向散射技術(shù)的分類(lèi)和基本特點(diǎn)，然后基于Wi-Fi信號(hào)下的環(huán)境反向散射技術(shù)，分析反向散射的設(shè)備通過(guò)接收Wi-Fi報(bào)文及反射信號(hào)來(lái)傳遞信息的可行性，討論設(shè)備實(shí)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(chǎng)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(hào)的環(huán)境反向散射技術(shù)的發(fā)展趨勢(shì)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(chē)路協(xié)同的自動(dòng)駕駛被業(yè)界認(rèn)為是車(chē)聯(lián)網(wǎng)未來(lái)發(fā)展的主要方向之一，路側(cè)設(shè)備RSU是車(chē)路協(xié)同關(guān)鍵設(shè)備之一。立足于未來(lái)5G網(wǎng)絡(luò)和C-V2X網(wǎng)絡(luò)發(fā)展趨勢(shì)，分析了5G基站型RSU的需求，并對(duì)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(chǎng)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(cè)[人工智能][物聯(lián)網(wǎng)]

有效的交通流量預(yù)測(cè)對(duì)人們出行和交管部門(mén)監(jiān)管都有著重要的意義。傳統(tǒng)的交通量預(yù)測(cè)模型主要基于交通流的時(shí)間特性，未結(jié)合交通流的時(shí)間和空間特性進(jìn)行深入挖掘，因此預(yù)測(cè)效果有時(shí)不佳。提出了一種基于CNN與LightGBM結(jié)合的交通流預(yù)測(cè)模型，首先利用CNN模型挖掘出高速公路相鄰路段監(jiān)測(cè)點(diǎn)和出入口的時(shí)間和空間關(guān)聯(lián)性，實(shí)現(xiàn)對(duì)交通流數(shù)據(jù)的時(shí)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(cè)。為了驗(yàn)證模型的有效性，實(shí)驗(yàn)中使用了多種預(yù)測(cè)模型進(jìn)行對(duì)比，實(shí)驗(yàn)結(jié)果表明，所提出的考慮到時(shí)空特性的CNNLightGBM組合的模型可以明顯降低預(yù)測(cè)誤差，是一種有效快速的交通流預(yù)測(cè)模型。

發(fā)表于：12/15/2020 10:16:00 PM

一種鄰域自適應(yīng)的雙閾值點(diǎn)云特征提取方法[其他][其他]

點(diǎn)云數(shù)據(jù)的特征提取是點(diǎn)云數(shù)據(jù)處理環(huán)節(jié)中的一項(xiàng)重要內(nèi)容，對(duì)幾何分析、數(shù)據(jù)分割、點(diǎn)云配準(zhǔn)、模型重建等研究起關(guān)鍵作用。研究了基于法向量和曲率的點(diǎn)云特征提取技術(shù)，闡明了特征提取過(guò)程中鄰域選取與單一參數(shù)計(jì)算存在的問(wèn)題，提出了鄰域自適應(yīng)的雙閾值點(diǎn)云特征提取方法。通過(guò)實(shí)驗(yàn)對(duì)比了該算法與基于曲率的特征提取算法的提取效果，驗(yàn)證了本算法的穩(wěn)定性、準(zhǔn)確性。該算法對(duì)于幾何特征復(fù)雜的點(diǎn)云具有較好的提取效果，對(duì)提高點(diǎn)云特征點(diǎn)提取的精度及效率具有重要的意義。

發(fā)表于：12/15/2020 9:36:00 PM