集成学习则是机器学习的首要热门方向[1]。集成学习是使用一系列学习器进行学习,并使用某种规则把各个学习结果进行整合从而获得比单个学习器更好的学习效果的一种机器学习方法.
2021-12-22 20:12:39 234KB 数据挖掘 enseble learning 整体学习
1
Web数据挖掘综述3篇 分类数据挖掘综述及应用 关联规则数据挖掘综述 基于Web数据挖掘的综述 离群数据挖掘综述 流数据挖掘综述 流数据挖掘综述 时间序列数据挖掘综述 数据挖掘综述6篇 物流管理数据挖掘综述 医学数据挖掘综述
2021-12-22 15:42:14 4.33MB 数据挖掘 综述
1
结合DDoS攻击检测方法的最新研究情况,对DDoS攻击检测技术进行系统分析和研究,对不同检测方法进行比较,讨论了当前该领域存在的问题及今后研究的方向。
2021-12-22 14:24:24 39KB 分布式拒绝服务 攻击检测
1
本文来自于个人博客,这篇文章讲述卷积神经网络在图像语义分割(semanticimagesegmentation)的应用。图像分割这项计算机视觉任务需要判定一张图片中特定区域的所属类别。更具体地说,图像语义分割的目标是将图像的每个像素所属类别进行标注。因为我们是预测图像中的每个像素,这个任务通常被称为密集预测(denseprediction)。需要注意的一点是我们不对同一类的实例进行分离;我们只关心每个像素的类别。换句话说,如果输入图像中有两个相同类别的对象,则分割图本身并不一定将它们区分为单独的对象。存在另外一类不同的模型,称为实例分割(instancesegmentation)模型,其将分离
1
数字音频指纹技术综述 李 伟 ,李晓强 ,陈 芳 ,王淞昕。 (复旦大学计算机科学与工程系,上海200433) (上海大学计算机工程与科学学院,上海200072) , (上海财经大学信息管理与工程学院,上海200433) E—mail:weili—fudan@fudan.edu.cn 摘 要:近年来,互联网上出现了海量音乐信. ,手工选取某首歌曲很多时候已经变得不可能.这直接促使产生了能够进行音 乐自动识别的数字音频指纹技术,并成为研究界和工业界一个非常活跃的研究开发领域.数字音频指纹是指可以代表一段音乐 重要声学特征的基于内容的l紧致数字签名,其主要目的是建立一种有效机制来比较两个音频文件的感知听觉质量,可用在音频 识别、内容完整性校验等应用中.本文介绍音频指纹技术的产生背景、基本概念及性质、典型应用场合及模型,澄清了音频指纹 这一术语在音频识别和音频水印中的区别,综述了现有的绝大多数典型音频指纹算法,最后讨论了存在的问题并提出了可能的 解决方案. 关键词:数字音频指纹;音频识别;感知重要性;鲁棒签名 中图分类号:TP391 文献标识码:A 文章编号:i000—1220(2008)11—2124—07
2021-12-22 05:14:48 695KB 数字音频指纹 声音识别 声纹
1
近年来Hadoop国外研究综述的文献报告
2021-12-21 23:49:08 191KB hadoop
1
首先,根据迄今为止研究人员提出的 PUF 的各种不同实现方法,分类概括出其详细的设计, 并总结出当前仍然面临的一些问题; 然后,综合这些不同的设计和实现方法的定义,归纳出覆盖 PUF 共同特性的属性 集并讨论了其各自的内涵; 最后,从密码学应用的角度,讨论了 PUF 的应用方向,并展望了关于 PUF 未来的几个有意 义的研究方向。
2021-12-21 23:26:03 845KB 学习资料
1
空天地一体化通信网络是未来无线通信的发展趋势,其固有的广播特性和广阔的覆盖区域,将导致网络通信系统面临严重的安全威胁。如何保证空天地通信网络的安全性是一个亟待解决的问题。物理层安全技术作为一种有效的安全手段,在无线通信领域受到越来越多的关注。介绍了物理层安全的基础以及空天地通信信道模型,并对物理层安全中常见的窃听编码、波束成形、人工噪声、中继协作干扰和物理层密钥加密等技术进行了介绍和总结,最后提出了空天地通信网络中物理层安全面临的挑战和未来的发展趋势。
1
本文概述了若干经典的模式识别,相信入门者能受益匪浅。
2021-12-21 19:05:56 27KB 模式识别
1
目标检测(Object Detection)是计算机视觉领域的基本任务之一,学术界已有将近二十年的研究历史。近些年随着深度学习技术的火热发展,目标检测算法也从基于手工特征的传统算法转向了基于深度神经网络的检测技术。从最初 2013 年提出的 R-CNN、OverFeat,到后面的 Fast/Faster R-CNN、SSD、YOLO 系列,再到 2018 年最近的 Pelee。短短不到五年时间,基于深度学习的目标检测技术,在网络结构上,从 two stage 到 one stage,从 bottom-up only 到 Top-Down,从 single scale network 到 feature pyramid network,从面向 PC 端到面向手机端,都涌现出许多好的算法技术,这些算法在开放目标检测数据集上的检测效果和性能都很出色
2021-12-21 15:45:22 2.23MB 深度学习 目标检测
1