期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
一种新颖稳定的RFID反碰撞算法模型
被引量:
2
1
作者
余松森
袁斌
詹宜巨
《计算机工程与应用》
CSCD
北大核心
2007年第1期90-93,共4页
解决RFID多标签冲突的随机ALOHA方法效率较低,确定性树型方法要求区域内标签数量不变。该算法克服了这些局限,根据阅读器每次识别的结果,标签以递增或递减方式修改其应答概率。最终,该算法识别效率在动态以及标签数量庞大的情况下也可...
解决RFID多标签冲突的随机ALOHA方法效率较低,确定性树型方法要求区域内标签数量不变。该算法克服了这些局限,根据阅读器每次识别的结果,标签以递增或递减方式修改其应答概率。最终,该算法识别效率在动态以及标签数量庞大的情况下也可以稳定地达到0.322。论文用马尔可夫链理论对该算法模型进行了描述。重点针对标签以线性方式进入时,在识别效率能初步达到最优的情况下,标签可以取得的极小状态级别数k以及标签应答概率动态变化时,变化的幅度如何才能更加合理进行了分析。
展开更多
关键词
指数索引
RFID
反碰撞算法
马尔可夫链
下载PDF
职称材料
多源异构数据融合的旅游规模预测研究
被引量:
3
2
作者
史达
黄子璇
李飞
《干旱区资源与环境》
CSSCI
CSCD
北大核心
2022年第11期175-182,共8页
旅游规模预测研究亟待应用旅游大数据及其适应性方法,以提升预测的准确度。文章基于多来源搜索引擎指数和UGC数据,以ARIMA模型为基准,综合运用灰色关联度分析、TF-IDF自然语言处理技术、机器学习领域中适用范围最广的RF与SVR模型,对重...
旅游规模预测研究亟待应用旅游大数据及其适应性方法,以提升预测的准确度。文章基于多来源搜索引擎指数和UGC数据,以ARIMA模型为基准,综合运用灰色关联度分析、TF-IDF自然语言处理技术、机器学习领域中适用范围最广的RF与SVR模型,对重庆市月度旅游规模展开预测。研究发现:融合多来源搜索引擎指数与包含旅游者丰富心理信息的UGC数据进行的旅游规模预测,在三种模型中的预测精度均呈提升态势,说明多源旅游大数据对目的地潜在客流具有前兆作用。在相同数据集约束下,ARIMAX、RF、SVR三种模型的预测精度递增,表明机器学习算法对于旅游大数据具有更强的分析与处理能力。文中提供了集成多源异构旅游大数据与高效的机器学习算法以回应城市旅游规模预测问题的新思路。
展开更多
关键词
旅游规模
旅游大数据
搜
索引
擎
指数
UGC数据
机器学习
原文传递
题名
一种新颖稳定的RFID反碰撞算法模型
被引量:
2
1
作者
余松森
袁斌
詹宜巨
机构
南昌大学计算机系
中山大学工学院
出处
《计算机工程与应用》
CSCD
北大核心
2007年第1期90-93,共4页
基金
广东省科技攻关项目(2005B10101006)
江西省科技厅项目赣科发计字[224]号资助
+2 种基金
江西省教育厅项目赣教计字[30]号资助
广州市重点科技攻关项目(2005Zz-D03031)
中山大学校基金项目(2005-39000-1132017)。
文摘
解决RFID多标签冲突的随机ALOHA方法效率较低,确定性树型方法要求区域内标签数量不变。该算法克服了这些局限,根据阅读器每次识别的结果,标签以递增或递减方式修改其应答概率。最终,该算法识别效率在动态以及标签数量庞大的情况下也可以稳定地达到0.322。论文用马尔可夫链理论对该算法模型进行了描述。重点针对标签以线性方式进入时,在识别效率能初步达到最优的情况下,标签可以取得的极小状态级别数k以及标签应答概率动态变化时,变化的幅度如何才能更加合理进行了分析。
关键词
指数索引
RFID
反碰撞算法
马尔可夫链
Keywords
exponential index,RFID,anti-collision algorithm, Markov chain
分类号
TP301.6 [自动化与计算机技术—计算机系统结构]
下载PDF
职称材料
题名
多源异构数据融合的旅游规模预测研究
被引量:
3
2
作者
史达
黄子璇
李飞
机构
东北财经大学萨里国际学院
东北财经大学旅游与酒店管理学院
大连财经学院大数据与人工智能学院
出处
《干旱区资源与环境》
CSSCI
CSCD
北大核心
2022年第11期175-182,共8页
基金
辽宁省社会科学基金项目(L20BGL025)资助。
文摘
旅游规模预测研究亟待应用旅游大数据及其适应性方法,以提升预测的准确度。文章基于多来源搜索引擎指数和UGC数据,以ARIMA模型为基准,综合运用灰色关联度分析、TF-IDF自然语言处理技术、机器学习领域中适用范围最广的RF与SVR模型,对重庆市月度旅游规模展开预测。研究发现:融合多来源搜索引擎指数与包含旅游者丰富心理信息的UGC数据进行的旅游规模预测,在三种模型中的预测精度均呈提升态势,说明多源旅游大数据对目的地潜在客流具有前兆作用。在相同数据集约束下,ARIMAX、RF、SVR三种模型的预测精度递增,表明机器学习算法对于旅游大数据具有更强的分析与处理能力。文中提供了集成多源异构旅游大数据与高效的机器学习算法以回应城市旅游规模预测问题的新思路。
关键词
旅游规模
旅游大数据
搜
索引
擎
指数
UGC数据
机器学习
Keywords
tourism scale
tourism big data
search engines index
user generated content
machine learning
分类号
F590 [经济管理—旅游管理]
原文传递
题名
作者
出处
发文年
被引量
操作
1
一种新颖稳定的RFID反碰撞算法模型
余松森
袁斌
詹宜巨
《计算机工程与应用》
CSCD
北大核心
2007
2
下载PDF
职称材料
2
多源异构数据融合的旅游规模预测研究
史达
黄子璇
李飞
《干旱区资源与环境》
CSSCI
CSCD
北大核心
2022
3
原文传递
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部