-
题名基于偏移量计算的在线GPS轨迹数据压缩
被引量:8
- 1
-
-
作者
樊庆富
张磊
刘磊军
鲍苏宁
房晨
-
机构
中国矿业大学计算机科学与技术学院
-
出处
《计算机工程与应用》
CSCD
北大核心
2017年第8期254-259,266,共7页
-
基金
中央高校基本科研业务费专项资金(No.2014XK10)
教育部博士点基金(No.20110095110010)
+1 种基金
江苏省自然科学基金(No.BK20130208)
中国矿业大学大学生创新创业基金资助大学生创新项目(No.DC201641)
-
文摘
针对现有基于偏移量计算的在线GPS轨迹数据压缩算法不能有效评估关键点的问题,提出基于偏移量计算的在线GPS轨迹数据压缩算法——关键点前继修正算法(KPFA)。该算法通过计算同步欧式距离(SED)累积偏移量来发现轨迹点中信息量较大的关键点,同时设置阈值对关键点之前和上一个关键点之后的轨迹点进行修正,更好地保留轨迹信息。实验结果表明,和按时间比例的开窗算法(OPW-TR)及启发式空间质量简化算法的改进算法(SQUISH-E)相比,压缩率相同时KPFA的平均SED误差最小,并且运行时间最快且维持在100 000 ms。KPFA算法对轨迹点的信息量评估准确度更高,运行时间更稳定。
-
关键词
在线轨迹压缩
同步欧式距离
偏移量计算
评估误差
-
Keywords
online trajectory compression
synchronous Euclidean distance
offset calculation
evaluation error
-
分类号
TP312
[自动化与计算机技术—计算机软件与理论]
-
-
题名农林本科校内基地建设的原则及标准研究
被引量:6
- 2
-
-
作者
宋长青
李柏山
朱宗瑞
樊庆富
尚太玲
-
机构
山东农业大学教学基地
-
出处
《高等农业教育》
1999年第7期70-72,共3页
-
文摘
李岚清副总理在1997年全国普通高等农林教育工作经验交流会上的讲话中指出:“高等农林院校的实验农场、林场,既是教学、科研重要的基地,又是示范推广先进技术的样板,与实验室、图书馆合称为农林院校的三大支柱。”“把农林院校校内基地的建设摆在与实验室建设同等重要地位,使之办成布局合理、设施先进、出人才、出成果、出效益、多种形式的现代化农林业科学园区。”李岚清副总理的讲话对农林院校校内基地的地位、作用及建设目标做了十分精辟的概括,指出了建设和发展的方向。本文结合工作实践,提出了面向21世纪农林本科校内基地建设应遵循的5项原则。
-
关键词
农林本科
校内基地
建设原则标准
-
分类号
G648.2
[文化科学—高等教育学]
-
-
题名基于SDZ-RNN的出租车出行目的地预测方法
被引量:8
- 3
-
-
作者
张国兴
李亚东
张磊
樊庆富
李想
-
机构
中国矿业大学计算机科学与技术学院
-
出处
《计算机工程与应用》
CSCD
北大核心
2018年第6期143-149,共7页
-
基金
中央高校基本科研业务费专项资金(No.2014XT04)
教育部博士点基金(No.20110095110010)
江苏省自然科学基金(No.BK20130208)
-
文摘
在预测出租车目的地时,传统的马尔科夫预测方法仅仅依赖于前面2到3个GPS点,对于那种具有很长依赖关系的轨迹并不适用。为了解决这种长期依赖关系,采用循环神经网络(RNN)进行出租车目的地预测,因为RNN的多个隐藏层能够存储这种依赖关系。但是随着数据量的增大,RNN的隐藏层对较小的扰动变得十分敏感,较小的扰动就会被指数级放大,最终导致预测准确率降低。为了提高预测准确率,同时缩短训练时间,将SDZ应用到RNN中,提出一种基于SDZ-RNN的出租车目的地预测方法(SRTDP)。SDZ不但能够提高SRTDP的鲁棒性,而且SDZ采用局部更新而不是全部更新的方式,降低了训练时间。实验表明,SRTDP在精度和速度上都优于RNN预测方法,预测准确率提高了12%,训练完成时间降低了7%。
-
关键词
出租车目的地预测
循环神经网络
SRTDP方法
预测准确率
-
Keywords
taxi destination prediction
recurrent neural networks
SRTDP method
prediction accuracy
-
分类号
TP312
[自动化与计算机技术—计算机软件与理论]
-
-
题名基于智能手机的噪声数据采集和分析系统
被引量:1
- 4
-
-
作者
闵玉寒
樊庆富
张磊
-
机构
山东省济宁市微山县第一中学
中国矿业大学计算机学院
-
出处
《福建电脑》
2017年第11期93-95,共3页
-
文摘
随着城市化发展,噪声污染日益成为居民正常生活和日常工作中的影响因素,噪声污染的改善以及实施合理的措施逐渐降低噪声影响是重要的发展方向。研究噪声数据采集有着较好的实用意义,能进一步认识城市噪声问题。为了更好的监测噪声分布情况,人们广泛使用了噪声地图。随着智能手机的普及,研究基于手机的噪声数据采集成为可能。本文以智能手机为感知终端,以手机MIC传感器为噪声采集设备,利用声音信号转换算法将噪声转换为分贝,实现噪声数据的测量与采集,并将采集的噪声数据存储至本地或上传至服务器。根据采集的噪声数据显示此区域的噪声级别,对其他未测量区域进行噪声预测和分析,以此绘制整个城市区域的噪声地图,实现了基于智能手机的噪声数据采集和分析。
-
关键词
噪声数据
采集
分析
智能手机
-
分类号
TP274
[自动化与计算机技术—检测技术与自动化装置]
-