排序方式: 共有36条查询结果,搜索用时 0 毫秒
1.
分析了当前各ITS子系统的状况,以及建设智能交通综合信息平台的重要性和必要性;介绍了SOA和WebServices计算技术;提出了基于SOA的智能交通综合信息平台的集成架构、优势、集成的重点和难点;并对该平台的实现作了分析。 相似文献
2.
利用双线性对构造了一个新的基于身份的电子现金支付方案.引入一种基于身份的公钥机制,实现了一个基于身份的盲签名(IDBS)机制,进而实现了用户现金的匿名性和不可追踪性等.该方案具有最少的对运算,安全高效. 相似文献
3.
4.
5.
根据IPV6地址结构和骨干路由表特点,分析了原有路由查找算法,基于IPV6的掩码长度和分段地址,采用Hash表和多分支Trie树结构,提出了一种快速的IPV6路由查找算法。根据分段地址和掩码将最常用到的路由前缀按前缀长度设置Hash表,并将前缀值有序存放在表结点中。不仅可以进行前缀长度的二分查找,同时又是其它前缀匹配的索引。对于其他的前缀匹配问题,根据Hash表中的索引到相应的多分支Trie树完成最长前缀匹配。实践证明该算法具有较好的时空效率,可以较好地提高路由查找速度。 相似文献
6.
本文提出一种可用于建筑能耗预测的基于KNN分类器的DQN算法——K-DQN.其在利用马尔科夫决策过程对建筑能耗进行建模时,针对大规模动作空间问题,将原始动作空间缩减进而提高算法的预测精度及收敛速率.首先, K-DQN将原始动作空间平均划分为多个子动作空间,并将每个子动作空间对应的状态分为一类,以此构建KNN分类器.其次,利用KNN分类器,将不同类别相同次序动作进行统一表示,以实现动作空间的缩减.最后,K-DQN将状态类别概率与原始状态相结合,在构建新状态的同时,帮助确定缩减动作空间内每一动作的具体含义,从而确保算法的收敛性.实验结果表明,文章提出的K-DQN算法可以获得优于DDPG、DQN算法的能耗预测精度,且降低了网络训练时间. 相似文献
7.
8.
9.
用户复杂的行为往往会导致网络状态出现波动,破坏网络平稳运行,由于指标及权重的主观性和静态性,传统评估方法难以准确衡量用户行为对网络状态变化的影响程度。因此引入粗糙集理论,构建一种面向网络状态的自适应用户行为评估方法,使用属性约简和属性重要度方法对用户行为和网络状态数据进行挖掘,分析用户行为与网络状态变化的关联程度,以此自适应构建评估指标及权重,并随用户行为变化而动态调整,从而准确地量化用户行为对网络状态变化的影响程度。实验结果表明,该评估方法有助于准确发现造成网络状态变化的用户及其行为,能够为加强对用户行为的管控提供有效支持。 相似文献
10.
针对传统逆强化学习算法在缺少足够专家演示样本以及状态转移概率未知的情况下,求解奖赏函数速度慢、精度低甚至无法求解的问题,提出一种基于相对熵的元逆强化学习方法。利用元学习方法,结合与目标任务同分布的一组元训练集,构建目标任务学习先验,在无模型强化学习问题中,采用相对熵概率模型对奖赏函数进行建模,并结合所构建的先验,实现利用目标任务少量样本快速求解目标任务奖赏函数的目的。将所提算法与REIRL算法应用于经典的Gridworld和Object World问题,实验表明,在目标任务缺少足够数目的专家演示样本和状态转移概率信息的情况下,所提算法仍能较好地求解奖赏函数。 相似文献