对象跟踪技术的进步导致在移动数据库中收集大量的时空数据。隐藏在移动的数据库中,有许多有用的信息和知识可以揭示出行者的行为和周围环境。在本文中,我们集中于从时间汇总的移动数据中挖掘行为模式的问题,其中时间信息在短时间内汇总并由范围值表示。利用间隔数计算,我们获得了任意两个连续记录之间的时间间隔。基于模糊集理论,我们用模糊语言术语和相应的支持来定义移动行为。最后,我们提出了两种先验算法和前缀跨度算法改进的移动行为挖掘算法。所提出的方法在真实数据集和合成数据集上均进行了广泛的实验评估。
2021-03-18 21:16:13 609KB Time summarized moving data;
1
加入人类至上的AI革命 “我们人类拥有..洞察力,可以与强大的AI相结合,以帮助推动社会向前发展。 第二,我们还必须直接在我们的技术中建立信任。第三,我们构建的所有技术必须具有包容性,并尊重每个人。” 微软首席执行官萨蒂亚·纳德拉(Satya Nadella) 作为工业AI的开拓者,我们在Arimo-Panasonic的团队发现Satya Nadella的观察是强大而有先见之明的。 来自该领域的许多来之不易的经验教训使我们采用了这种方法,我们称之为“人类优先AI”( H1st AI)。 今天,我们很高兴与您和开源数据科学社区分享这些想法和H1st AI的具体实现! 学习关键概念 以人为本的AI( H1st AI)解决了现实世界数据科学中的三个关键挑战: 工业AI需要人类洞察力:在许多重要应用中,没有足够的数据用于ML。 例如,去年产品的数据不适用于今年的新型号。 或者,尚未发货的设备
1
一般的加权顺序模式挖掘算法会忽略或没有充分利用时间和数据元素的时间间隔信息。 除了某些算法需要扫描数据库外时间或建立临时数据库。 为了解决这些问题,我们提出了一种基于内存的算法MITWCSpan(用于时间间隔加权封闭式顺序模式挖掘的内存索引),用于区间加权封闭顺序模式挖掘。 该算法充分考虑了重要性数据元素的时间间隔。 此外,基于时间间隔p-tidx的改进索引集是定义。 在挖掘过程中,该算法递归采用“查找-然后-索引”技术来查找可以构成时间间隔加权顺序模式并构造p-tidx的项目可能的顺序模式。 最后,算法使用闭合检测得到整个时间间隔加权封闭顺序模式。 实验结果表明,该算法更加有效。 寻找更重要的顺序模式。
2021-03-16 14:07:13 252KB Time-interval Weighted Sequential Patter;
1
Travetto框架 该框架的目标是提供一个以交互开发为重点的整体应用程序平台。 哲学 该框架依赖五项主要原则: Typescript作为开发平台。 这意味着该框架与及其编译器紧密相关。 代码超过配置。 这意味着该框架相对于配置,更喜欢通过装饰器进行元编程。 代码始终是定义配置的最佳位置。 不要要求开发人员重复信息。 具体来说,源代码转换(和分析)是提供无缝功能的关键要素,同时使用该框架的人员所要求的资源也尽可能少。 力争占地面积最小。 当考虑使用库时,总体目标是使依赖项和功能的大小和数量保持最小。 最终结果应该是尽可能少的代码,以及尽可能少的依赖关系。 发展响应能力至关重要。 该框架应尽可能提供即时反馈,以最大程度地减少做出更改和看到更改之间的时间。 模组 框架中的每个模块都遵循总体理念。 大多数情况下,每个模块都尽可能隔离。 这些模块是垂直堆叠的,通常表示相关性。 唯一的例外
2021-03-16 14:07:12 8.29MB testing real-time typescript decorators
1
这个是python实时情绪检测,详情见我博客python情绪检测介绍,有不懂的问我。
2021-03-16 12:07:40 11.89MB python pycharm 图像处理 人脸识别
1
针对一类周期性时变非线性系统,提出了一种部分周期的自适应重复控制方法。 为了减少内存使用量,探索了周期性参数的对称特征,以形成部分周期自适应机制。 提出了半周期和四分之一周期的适应策略,并对它们进行了分析。 建立了具有每个重复控制的闭环系统的稳定性,以及跟踪误差收敛到零。 另外,建议使用饱和适配来提供有界估计。
1
RealTimeGreenScreen:基于OpenGL着色器的iOS实时绿屏视频效果
2021-03-15 15:37:45 248KB ios real-time opengl video
1
从Windows Vista,Windows 7,Windows Server 2008和Windows Server 2008 R2中的系统启动开始运行497天后,处于TIME_WAIT状态的所有TCP / IP端口都不会关闭
2021-03-15 12:01:07 1.23MB windows TIME_WAIT
1
由于具有许多吸引人的独特特性,NAND闪存已在关键任务中被广泛采用硬实时系统和一些软实时系统。 但是,不确定性垃圾NAND闪存中的数据采集操作使得难以预测每个存储器的系统响应时间数据请求。 本文介绍了Lazy-RTGC,这是一种用于NAND的实时惰性垃圾回收机制闪存存储系统。 Lazy-RTGC采用两种设计优化技术:按需页面级地址映射和部分垃圾回收。 按需页面级地址映射可以实现较高的地址转换性能,并可以以最小的RAM成本有效地管理闪存空间。 另一方面,部分垃圾回收可以提供有保证的系统响应时间。 通过采用这些技术,Lazy-RTGC共同优化了平均响应时间和最差系统响应时间,并且提供回收的可用空间的下限。 惰性RTGC在FlashSim中实现,并与代表性的实时NAND闪存管理方案。 实验结果表明技术可以显着提高平均性能和最差系统性能,而额外成本非常低闪存空间要求。
2021-03-12 09:08:45 128KB NAND flash memory; real-time
1
时间门户 Adage技术的时间输入 支持语言:English
2021-03-10 09:09:54 164KB 开发者工具
1