-
题名自适应传输机制在RTP的H.264视频探讨
- 1
-
-
作者
赵宇红
陈玮博
豆震泽
-
机构
北方工业大学
-
出处
《电子技术与软件工程》
2016年第4期80-80,共1页
-
文摘
社会的进步,科技的发展,使得互联网的应用越来越广泛。在信息发达的网络时代,视频与网络技术的结合应运而生,然而,视频并不能像图文一样能够轻易简便的进行网络传输,其数据量大等特点给网络传输带来了一定困难。本文基于RTP与H.264视频的结合对自适应再传输机制的实用性进行了探讨。
-
关键词
RTP协议
H.264视频
自适应传输机制
-
分类号
TN919.81
[电子电信—通信与信息系统]
-
-
题名基于RPT的H.264视频实时传输探讨
- 2
-
-
作者
豆震泽
赵宇红
-
机构
北方工业大学
-
出处
《电子技术与软件工程》
2016年第20期36-36,37,共2页
-
文摘
随着互联网技术的迭代升级,以及多媒体技术的迅速发展,人们对网络视频信息的获取方式呈现多样化、直观化的趋势。视频实时传输技术的研究正逐渐被应用在生活及科研领域中。但由于实时网络视频流需要传输庞大的数据量,因此不但对视频压缩技术提出了更高的要求,而且服务协议的选择也显得极其重要。本文基于RTP与H.264编解码标准结合,对其在视频实时传输方面的适用性进行了探讨。
-
关键词
RTPH.264
视频传输
-
分类号
TN919.8
[电子电信—通信与信息系统]
-
-
题名一种基于文本卷积神经网络的推荐算法
被引量:1
- 3
-
-
作者
杨辉
王月海
豆震泽
-
机构
北方工业大学信息学院
-
出处
《计算机与现代化》
2020年第10期7-11,16,共6页
-
基金
国家自然科学基金资助项目(61573019)。
-
文摘
传统的矩阵因子分解模型不能有效提取用户和物品特征,而基于深度学习模型可以很好地提取特征信息。当前,主流的基于深度学习推荐算法只是单一地将神经网络的输出或物品特征与用户特征乘积的形式来做推荐预测,不能充分挖掘用户和物品之间的关系。基于此,本文提出一种基于文本卷积神经网络与带偏置项的奇异值分解(BiasSVD)结合的推荐算法,利用文本卷积神经网络(TextCNN)来充分提取用户和物品的特征信息,然后用奇异值分解方法来做推荐,深层次理解文档上下文信息,进一步提高推荐的准确性。将该算法在MovieLens的2个真实数据集上做广泛的评估分析,推荐的准确度要明显优于ConvMF算法及主流深度学习推荐算法。
-
关键词
矩阵分解
奇异值分解
深度学习
文本卷积神经网络
-
Keywords
matrix decomposition
singular value decomposition
deep learning
text convolutional neural network
-
分类号
TP301.6
[自动化与计算机技术—计算机系统结构]
-