公共文化服务平台

石东贤: 作品数：23 被引量：19H指数：2; 供职机构：浙江经贸职业技术学院更多>>; 发文基金：浙江省供销合作社科学研究项目浙江省大学生科技创新活动计划(新苗人才计划)项目更多>>; 相关领域：自动化与计算机技术文化科学轻工技术与工程医药卫生更多>>

合作作者

基于人工智能的边缘计算方法: 本发明提出基于人工智能的边缘计算方法，所述方法基于包括多个远程终端单元、多个边缘计算终端以及通过局域网连接至所述多个边缘计算终端的多个雾计算处理设备实现。该方法包括接收多个远程终端单元采集的数据集、对数据集进行分组后发送...; 徐慧剑石东贤; 文献传递

基于模糊理论的智能呼叫决策系统的研究与设计: 2010年; 针对呼叫系统中接入控制的决策问题,从影响呼叫客户重要性的四个因素出发,构造了客户重要程度评估集,并提出了在呼叫系统中基于模糊综合评判的呼叫评估方法及相关算法实现,较好地解决了处理客户呼叫的问题,然后设计了智能呼叫决策系统,最后通过与非智能化系统的损失量比较,验证了该智能决策系统的有效性和可行性。; 石东贤洪毅李锐

一种基于机器学习的电力用户用电异常检测方法: 本发明公开了一种基于机器学习的电力用户用电异常检测方法，具体步骤如下：1）电力负荷数据清洗；2）电力负荷特征提取；3）电力负荷特征评估；4）基于孤立森林算法筛选可靠度高的数据；5）基于聚类的分层最近邻欠采样技术，获得类间...; 石东贤毕晓东陈启明; 文献传递

基于宽带城域网的P2P流媒体直播模型与方法被引量：1: 2012年; 为了解决现行P2P直播系统存在启动延时长、画面质量差的问题,提出了一种基于分布式树状拓扑结构的模型架构及其实现方法。该模型由服务器组、超级节点组和普通节点组共同组成分布式P2P流媒体分发网络,通过采用非平衡的MDC编码方案和动态的普通节点服务请求策略,有效解决了启动延时过长的问题;通过优化节点缓冲区的基本结构,并采用推拉结合的缓冲区调度策略,大大提高了网络的分发效率,有效解决了节点播放不畅的问题。实验证明,与现行直播系统相比,该模型具有更短的播放启动延时和更好的播放体验。; 林锋商玮石东贤; 关键词：启动延时 MDC

基于云计算的食品安全追溯系统的研究与应用被引量：3: 2017年; 食品安全问题越来越受到重视,出现了很多食品安全追溯系统来记录食品成长的各个过程。该文提出了食品安全追溯系统的总体设计和基础的云计算平台方案,并研究了追溯系统的主要功能和相关管理方法,构建了一套安全的数据存储体系,可以实现全球范围内食品的跟踪与安全信息共享。; 石东贤; 关键词：云计算网络架构追溯数据存储

一种用于石油化工厂的消防安全系统: 本发明公开一种用于石油化工厂的消防安全系统，包括中央处理模块(1)、智能消防与报警装置(2)、观测点组(3)、云服务器(4)以及远程监控端(5)，其中，所述中央处理模块(1)分别和所述智能消防与报警装置(2)、所述观测点...; 石东贤赵瑞芬毛明科; 文献传递

基于名声的农产品电子商务信任模型研究: 2012年; 随着农产品电子商务的发展,如何构建安全稳定的网络交易环境已成为一个关键问题。本文首先分析了信任计算模型的现状及在农产品电子商务中引入信任模型的基本思路。然后在此基础上结合农产品电子商务平台的具体特点,设计了一种基于名声和局部可信度的农产品电子商务信任模型。在该模型中,通过把影响交易质量的相关因素加入到信任计算中,有效地改进了原有满意度的计算方法。最后,通过模拟仿真实验验证了该信任机制在抗击多类欺骗方面的能力。; 商玮林锋石东贤; 关键词：名声信任模型满意度

一种基于机器学习的城市日用水量预测方法: 本发明公开一种基于机器学习的城市日用水量预测方法，包括以下步骤：首先获取当地的往年的日降雨量、温度、日用水量等数据，对上述数据进行归一化处理之后，然后将处理之后的数据作为最小二乘支持向量机模型的数据输入，在训练最小二乘支...; 赵瑞芬石东贤

基于粗糙集的决策树旅游景点信用评估模型的设计与实现被引量：1: 2012年; 旅游景点信用评估是一种典型的分类问题,本文概述了粗糙集和决策树的理论,基于这两种理论,提出了一个基于数据挖掘粗糙集理论与决策树分类技术相结合的信用评估方法来建立旅行景点的信用评估模型,利用粗糙集的知识约简的概念,对样本数据进行预处理,去除冗余属性对分类模型的影响,然后用决策树方法建立分类模型。最后通过Pawlak重要度的属性约简算法和ID3决策树算法实现了该模型。; 石东贤; 关键词：粗糙集决策树旅游景点信用评估

基于多尺度层级LSTM网络的时间序列预测分析被引量：14: 2019年; 现有的深度学习研究都依赖于网络的自发学习能力,在训练过程中力求避免或尽量减少人为先验知识的设定,导致网络训练过程完全“黑盒”,研究人员很难从语义上进行阐述。针对这种情况,文中提出了一种基于原始LSTM网络的改进——多尺度层级LSTM(Multi-Scale Hierarchical Long Short-Term Memory,MSH-LSTM)网络。该网络保留了神经网络的常规实现流程,在网络学习过程中将层级网络结构与人的经验知识有机结合,使网络在人为指引下有目的地训练,不再是完全的“黑盒”,同时对时间序列更好地进行分析预测。为说明MSH-LSTM网络结构的有效性,实验选取了两种时间序列数据(气温、股票),结果表明,相较于ANN网络、LSTM网络及GRU网络,MSH-LSTM网络在保证网络适用性的同时更具分析预测优势。在气温实验中,由于MSH-LSTM与常规LSTM,GRU网络都利用了序列数据的时间因素,因此,它们的效果明显优于ANN;在股票实验中,MSH-LSTM的MAPE误差相对于常规LSTM,GRU,ANN网络分别平均提升了约19.65%,24.35%,46.30%。; 张旭东杜家浩黄宇方石东贤缪永伟; 关键词：时间序列循环神经网络