您的位置: 专家智库 > >

许昱玮

作品数:7 被引量:15H指数:2
供职机构:南开大学更多>>
发文基金:国家教育部博士点基金广东省科技计划工业攻关项目广东省自然科学基金更多>>
相关领域:自动化与计算机技术交通运输工程电子电信更多>>

文献类型

  • 3篇期刊文章
  • 3篇专利
  • 1篇学位论文

领域

  • 4篇自动化与计算...
  • 1篇电子电信
  • 1篇交通运输工程

主题

  • 4篇网络
  • 2篇道路交通
  • 2篇多跳
  • 2篇数据网
  • 2篇数据网络
  • 2篇转发策略
  • 2篇自组织
  • 2篇自组织网
  • 2篇自组织网络
  • 2篇接口
  • 2篇接口模型
  • 2篇交通状态
  • 2篇车载
  • 2篇车载自组织网...
  • 2篇传输方法
  • 2篇传输协议
  • 1篇隐马尔可夫模...
  • 1篇用户
  • 1篇用户反馈
  • 1篇邮件

机构

  • 7篇南开大学
  • 1篇深圳信息职业...

作者

  • 7篇许昱玮
  • 4篇徐敬东
  • 4篇张建忠
  • 2篇王昌海
  • 1篇黄国伟
  • 1篇刘婷婷
  • 1篇王健

传媒

  • 1篇电子与信息学...
  • 1篇通信学报
  • 1篇计算机应用

年份

  • 1篇2020
  • 1篇2019
  • 1篇2017
  • 1篇2016
  • 1篇2015
  • 1篇2013
  • 1篇2012
7 条 记 录,以下是 1-7
排序方式:
基于用户反馈的混合型垃圾邮件过滤方法被引量:5
2013年
针对目前垃圾邮件过滤技术仅依赖单一邮件特征实施邮件分类、对邮件特征变化的适应性较差等局限,提出一种基于用户反馈的混合型垃圾邮件过滤方法。以用户社会网络关系为基础,借助用户反馈机制分别实现对基于内容与基于身份标识的邮件分类知识的动态更新;在此基础上采用贝叶斯模型,实现邮件的内容特征与发件人身份标识特征在邮件分类中的有机结合。实验结果表明,与传统的过滤方法比较,所提方法在邮件特征动态变化的环境下能够获得更好的邮件分类效果,邮件分类的总体召回率、查准率、精确率均能达到90%以上。所提方法能够在保证邮件分类性能的同时,有效提高邮件分类对邮件特征变化的适应性,是已有垃圾邮件过滤技术的重要补充。
黄国伟许昱玮
关键词:垃圾邮件邮件分类用户反馈贝叶斯模型
一种基于动态方向接口模型的车载命名数据网络传输方法
本发明公开了一种基于动态方向接口模型的车载命名数据网络传输方法,包括:对车辆GPS运动轨迹数据集进行处理与分析;根据处理与分析结果,为车辆节点构建动态方向接口模型,以车辆的行驶方向为参照,将二维平面中车辆的周围区域根据弧...
许昱玮童率唐莉莉张天天徐敬东张建忠
文献传递
基于HMM的动作识别结果可信度计算方法被引量:8
2016年
针对当前动作识别可信度计算方法中混淆率高、不适用于迁移学习等问题,提出一种基于样本上下文信息的可信度计算方法(S-HMM,sliding windows hidden Markov model)。该方法使用隐马尔可夫模型(HMM,hidden Markov model)理论对识别结果序列建模,将样本所在序列识别正确的概率作为识别结果的可信度,避免了当前可信度计算方法依赖于样本在特征空间中分布的问题。实验使用真实场景中的数据进行仿真,结果表明,与现有方法相比,该方法可将可信度混淆率降低37%左右。
王昌海张建忠徐敬东许昱玮
关键词:隐马尔可夫模型
一种基于车载自组织网络的城市道路交通状态探测方法
本发明提出了一种基于车载自组织网络的城市道路交通状态探测方法。该方法将装备有无线通信设备与GPS的车辆选作交通状态的“探针”(以下称探针车辆),利用车载自组织网络实现探针车辆与路边通信单元(RSU)间的通信,RSU根据接...
许昱玮徐敬东刘婷婷王健
文献传递
VANETs中面向交通状态的车辆主动探测方法研究
车载自组织网络(Vehicular Ad-hoc Networks,VANETs)是智能交通系统的重要组成部分。近年来,随着车载无线通信技术与传感技术的飞速发展,基于VANETs的智能交通技术也逐渐成为物联网的一大研究热...
许昱玮
关键词:车载自组织网络智能交通交通状态数据传输道路交通
一种基于动态方向接口模型的车载命名数据网络传输方法
本发明公开了一种基于动态方向接口模型的车载命名数据网络传输方法,包括:对车辆GPS运动轨迹数据集进行处理与分析;根据处理与分析结果,为车辆节点构建动态方向接口模型,以车辆的行驶方向为参照,将二维平面中车辆的周围区域根据弧...
许昱玮童率唐莉莉张天天徐敬东张建忠
文献传递
基于层次分类的手机位置无关的动作识别被引量:1
2017年
使用智能手机中集成的加速度传感器识别用户日常动作在惯性定位、个性化推荐、运动量评估等领域有重要的应用。手机位置不固定导致的动作识别率低下是该领域面临的主要问题。为了提高手机位置不固定时的动作识别率,该文提出一种基于层次分类的动作识别方法。该方法将动作识别分为多层,每一层包含一个分类器。在训练某一层分类器时,首先根据本层训练样本集进行特征选择并训练分类器。然后使用训练得到的分类器对训练样本分类,并计算分类结果的可信度。最后通过对低可信度的样本进行剪枝得到下层分类器的训练样本。对未知类别的样本分类时,首先使用第1层分类器分类。如果分类结果可信度较高,则分类结束;否则使用下层分类器分类,直至所有分类器遍历完。实验部分通过对采集的动作数据进行仿真,验证了该文方法的有效性。结果表明,与单层分类器相比,该方法可以将动作识别率由85.2%提高至89.2%。
王昌海许昱玮张建忠
关键词:加速度传感器
共1页<1>
聚类工具0