针对传统NoC容错算法中容错粒度过粗造成资源浪费的问题, 提出了一种细粒度的自适应容错路由算法, 对带有部分故障的节点重新利用。算法将各种故障映射为一种功能故障模型, 结合新提出的路由端口优先级策略和嵌入的奇偶转向模型, 实现数据包的无死锁容错路由。实验表明, 随着负载和故障数目的增加, 该算法具有更优越的容错性能, 证明了算法的有效性。
2023-10-23 22:18:41 1.29MB 片上网络(NoC) 容错 故障模型 优先级
1
为进一步提高个性化标签推荐性能,针对标签数据的稀疏性以及传统方法忽略隐藏在用户和项目上下文中潜在标签的缺陷,提出一种基于潜在标签挖掘和细粒度偏好的个性化标签推荐方法。首先,提出利用用户和项目的上下文信息从大量未观测标签中挖掘用户可能感兴趣的少量潜在标签,将标签重新划分为正类标签、潜在标签和负类标签三类,进而构建〈用户,项目〉对标签的细粒度偏好关系,在缓解标签稀疏性的同时,提高对标签偏好关系的表达能力;然后,基于贝叶斯个性化排序优化框架对细粒度偏好关系进行建模,并结合成对交互张量分解对偏好值进行预测,构建细粒度的个性化标签推荐模型并提出优化算法。对比实验表明,提出的方法在保证较快收敛速度的前提下,有效地提高了个性化标签的推荐准确性。
1
支持细粒度属性直接撤销的CP-ABE方案
2023-03-29 00:33:50 165KB 研究论文
1
针对现有的SIFT特征在车辆细粒度分类中存在的分类精度低的问题,提出了一种融合FV-SIFT特征和深度卷积特征的车辆图像细粒度分类算法。首先采用SIFT算法与Fisher Vector算法相结合的方式提取车辆图像的FV-SIFT特征,然后采用VGG-16卷积神经网络提取车辆图像的深度卷积特征,最后将FV-SIFT特征与深度卷积特征进行线性融合并采用支持向量机对融合后的车辆特征进行分类。实验结果表明,该方法的分类准确率达到82.3%,较FV-SIFT算法在分类准确率上提高了15.4%。
1
公开数据集,包括lt,res,res15,res16等,其中每个数据集又分为训练集及测试集,又细分为sentence、label、term等文件。
2022-12-19 14:25:25 316KB 数据集 情感分析 细粒度 res
1
Gesture_Recognition_Soli_Radar_Data 论文实施:与Soli交互:探索射频频谱中的细粒度动态手势识别 GitHub链接: : 请仔细阅读存储库中提供的论文以获取详细说明。 数据来源: :
2022-10-04 17:34:28 1.43MB JupyterNotebook
1
CLUENER2020 中文细粒度命名实体识别 Fine Grained Named Entity Recognition
2022-07-03 21:08:26 452KB 人工智能 中文 细粒度 命名实体识别
数字图像处理大作业,图像细粒度分类,CUB-200-2011,Peking University
2022-05-31 14:06:39 4.76MB python 图像处理
FineGym is provided by the Chinese University of Hong Kong.本数据集由香港中文大学提供。 finegym_categories.zip finegym_v1.0.zip
2022-05-18 20:15:09 982KB 数据集
1
一,概述 1,适用范围 这是一个实时的,百度外卖评论的细粒度情感分析demo。所有网址仅适用于百度外卖店铺。 2,局限与不足 这个GUI应用程序只是展示基于HMM的细粒度分析可以完成什么效果,只是一个演示,还有很多没有完善的地方,需要优化的地方。 3,相互学习 希望大家可以相互分享自己的想法,如果大家有好的算法,可以优化,改进它,希望能联系我,大家相互学习。谢谢! 二,GUI演示 1,总体界面 2,功能详解 2.1,实时爬取 输入百度外卖店铺的一个网址地址,实时爬取店铺评论。 2.2,评论分类,有效性检测 2.3,评价对象分类 2.4,颜色标记 2.5,属性-观点对撤 2.6,有监督的学习,用户自定义 2.7,统计面板 2.7.1,店铺整体评分分布 2.7.2,商品质量评分分布 2.7.3,配送服务评分分布 2.7.4,指标评价平均指标 2.7.5,整体评价变化趋势 2.7.6,订餐终端分
2022-05-17 09:46:36 723KB 系统开源
1