-
公开(公告)号：CN109284855B
公开(公告)日：2021-10-29
申请号：CN201810824233.1
申请日：2018-07-25
Applicant: 同济大学
Abstract: 基于城市场景中车联网时空数据分析的车辆节点之间连通强度的预测度量模型：针对车联网时空数据异构以及拓扑频繁变化导致的连通性问题，构建基于张量因子聚合的神经网络模型，用来预测车辆节点之间的连通强度，从而为无基础设施和有基础设施的车联网网络连通性研究提供模型支撑。
-
公开(公告)号：CN109284855A
公开(公告)日：2019-01-29
申请号：CN201810824233.1
申请日：2018-07-25
Applicant: 同济大学
Abstract: 基于城市场景中车联网时空数据分析的车辆节点之间连通强度的预测度量模型：针对车联网时空数据异构以及拓扑频繁变化导致的连通性问题，构建基于张量因子聚合的神经网络模型，用来预测车辆节点之间的连通强度，从而为无基础设施和有基础设施的车联网网络连通性研究提供模型支撑。
-
公开(公告)号：CN109167805A
公开(公告)日：2019-01-08
申请号：CN201810746981.2
申请日：2018-07-09
Applicant: 同济大学
Abstract: 基于城市场景中车联网时空数据的分析处理方法。城市场景中车联网网络客观存在路网交错复杂，拓扑频繁变化，以及通信协议多样等特性，导致车联网数据源、采样方法、采样频率和数据结构不同等问题。本发明针对以上问题，考虑车联网特性，给出了基于语义的噪声点去除和时间性自相关，时空性协同过滤数据填充方法，结合车联网特性对原始采集到的车联网时空数据进行处理，在此基础之上，利用特征无量纲转化和基于信息增益的特征选取以及基于PCA的特征降维方法对车辆节点的特征数据进行压缩降维，从而为车联网网络模型的训练效率的提升提供铺垫，也为车联网路由策略以及构建通达性方案具有重要意义。
-
公开(公告)号：CN109167805B
公开(公告)日：2021-08-10
申请号：CN201810746981.2
申请日：2018-07-09
Applicant: 同济大学
Abstract: 基于城市场景中车联网时空数据的分析处理方法。城市场景中车联网网络客观存在路网交错复杂，拓扑频繁变化，以及通信协议多样等特性，导致车联网数据源、采样方法、采样频率和数据结构不同等问题。本发明针对以上问题，考虑车联网特性，给出了基于语义的噪声点去除和时间性自相关，时空性协同过滤数据填充方法，结合车联网特性对原始采集到的车联网时空数据进行处理，在此基础之上，利用特征无量纲转化和基于信息增益的特征选取以及基于PCA的特征降维方法对车辆节点的特征数据进行压缩降维，从而为车联网网络模型的训练效率的提升提供铺垫，也为车联网路由策略以及构建通达性方案具有重要意义。
-
-
-
Search Results
4
records
(took 0.015 seconds)
