公共文化服务平台

共 5 条记录，以下是 1-5

全选清除导出

排序方式：

基于Spark的并行化协同深度推荐模型被引量：3: 2018年; 协同深度学习(Collaborative Deep Learning,CDL)利用神经网络极强的特征学习能力和模型拟合鲁棒性,解决了推荐系统在数据稀疏的情况下性能表现急剧下降的问题。但当推荐系统面临大量数据时,导致模型训练变得难以维护,进而出现多种不可预料的问题。为解决上述问题,对协同深度学习及其并行化方法进行了研究,提出了一种针对项目内容学习优化的改进模型协同深度推荐(CDL with item private node,CDL-i),通过对传统CDL中的自编码网络进行改进,增加私有网络节点,在模型的网络参数共享情况下,为每个项目添加私有偏置项,使网络能够更针对性地学习到项目内容参数,改进了模型在推荐系统中对项目内容的探测性能。同时对算法进行并行化改进,通过对模型进行拆分,提出一种并行训练CDL-i的方法,将其移植到Spark分布式集群上,并行地对模型各部分参数进行训练优化,增强模型所能处理数据的规模和扩展性。通过在多个真实数据集上的实验,验证了提出的并行深度推荐算法的有效性和高效性。; 贾晓光; 关键词：推荐系统 SPARK

基于Hilbert-Huang变换的语音情感识别的研究: 2008年; 文章提出了一种基于Hilbert-Huang变换的汉语语音情感分类方法,研究了六种最基本的人类情感。用EMD分别对每一组的语音信号进行频率族的分解,并求其Hilbert能量谱,用以反映情感语音信号的能量随时间和频率的分布情况,从而分离出不同的情感。结果表明,基于Hilbert-Huang变换可以非常有效的识别出各情感语句中所带的情感。Hilbert-Huang变换作为一种新的信号分析方法,被成功的应用到了语音情感识别领域中来,这为语音信号情感分析提供了一个新的可行的研究方法,也为拓展Hilbert-Huang变换的理论应用进行了一个新的尝试。; 韩笑蕾王成儒贾晓光; 关键词：HILBERT-HUANG变换语音情感识别支持向量机

基于双层博弈的虚拟网络带宽分配模型: 2016年; 在云计算的多租赁市场环境下.虚拟化技术的应用使得同一物理主机上运行有若干不同的虚拟主机,而这些虚拟主机将竞争同一物理链路的带宽资源,而如何应对不同虚拟机对于带宽的需求和竞争是必须解决的关键问题.为此,本文借鉴了经济学理论中的Stackelberg博弈理论,提出一种虚拟网络带宽分配模型.端交换机作为领导者,声明带宽租用价格;虚拟网络作为参与者,在给定带宽租用价格的情况下运行非合作的博弈,通过选择可行的策略来实现自身的最优收益.本文提出的带宽分配模型能够实现虚拟网络租用者和物理网络所有者各自的最优利益.实验数据表明即使对于承载非友好数据流的虚拟网络,该模型仍然能够提供足够的带宽分配公平性.; 贾晓光王聪; 关键词：云计算网络虚拟化

基于备用虚拟机同步休眠的云数据中心节能策略及性能被引量：5: 2018年; 为了降低能源消耗实现绿色云计算,提出一种基于备用虚拟机同步休眠的云数据中心节能策略。系统中的虚拟机分为主模块和备用模块两大模块,其中,主模块一直处于活跃状态;根据云数据中心的工作负载轻重,备用模块处于休眠状态或者活跃状态。考虑到云数据中心可以为多任务用户请求提供服务,建立了一个批量到达且部分服务台同步多重休假的排队模型。采用高斯赛德尔法,求解系统模型的稳态分布,给出系统节能率等性能指标表达式。最后,进行数值试验和仿真试验,研究了基于备用虚拟机同步休眠的云数据中心节能策略的系统性能,并验证了所提策略的有效性。; 金顺福王宝帅郝闪闪贾晓光贾晓光; 关键词：计算机应用

一种云存储架构及服务器优化配置方案被引量：1: 2019年; 为了吸引更多的用户使用云存储以获得更大的经济效益,云提供商为潜在用户提供免费体验,为收费用户提供质量更高的存储服务。融合免费服务和收费服务给出一种云存储架构,考虑潜在用户的不耐烦行为和收费用户源有限,建立双队列多服务台排队模型。采用稳态解析法,导出系统中潜在用户和收费用户的平均时延的性能表达式,并通过系统实验揭示系统参数对系统性能的影响。综合用户的响应性能和云提供商的投资规模,建立系统成本函数,改进万有引力智能寻优算法,给出云服务器的部署方案,进行云存储资源的有效管理。; 余靖贾晓光贾晓光顾蕊薛元铮金顺福; 关键词：资源管理平均时延

全选清除导出

共1页<1>

贾晓光