搜索结果: 1-15 共查到“信息与通信工程 查询”相关记录36条 . 查询时间(0.17 秒)
中国科学院声学研究所专利：一种基于地理坐标的信息聚合与查询方法
中国科学院声学研究所专利：一种移动网络实体的动态位置信息局部更新和查询方法
中国科学院声学研究所专利：一种移动网络实体的动态位置信息的快速查询方法
中国科学院声学研究所专利：一种基于时延构建弹性现场的查询增强系统及方法
中国科学院声学研究所专利：一种物联网中分布式数据存储和查询方法
中国科学院声学研究所专利：一种基于稀疏解析的索引信息存储、查询方法及存储系统
CBFM：支持属性删减的布鲁姆过滤器矩阵多维元素查询算法
查询算法 多维元素成员查询 布鲁姆过滤器 位矩阵
<
2016/5/11
为了提升多维元素成员查询的灵活性和准确率，提出了一种新型索引结构CBFM(cutted Bloom filter matrix)。该索引方法通过独立属性布鲁姆过滤器笛卡尔乘积构建位矩阵，支持任意属性组合的多维元素成员查询，同时支持属性组合按需删减和属性加权，极大地提升内存空间利用率，降低查询误判率。理论分析证明相比于BFM(Bloom filter matrix)索引方法，CBFM具有更高的内存利...
提出一种新的分析DNS查询行为的方法，用深度学习机制将被查询域名和请求查询的主机分别映射到向量空间，域名或主机的关联分析转化成向量的运算。通过对2组真实的校园网DNS日志数据集的处理，发现该方法很好地保持了关联特性，使用降维处理以及聚类分析，不仅可以让人直观地发现隐含的关联关系，还有助于发现网络中的异常问题如botnet等。
基于分组机制的位仲裁查询树防碰撞算法
RFID 标签防碰撞 查询树 分组机制
<
2016/5/11
提出了一种基于分组机制的位仲裁查询树(GBAQT, bit arbitration query tree based on grouping mechanism)算法。该算法根据标签ID自身特征分组，采用3位仲裁位来取代传统1位仲裁识别标签的方式，通过碰撞位信息得到传输数据，从而能避免一些空闲时隙。算法的性能分析和仿真结果表明，GBAQT防碰撞算法具有较少的总时隙数，系统效率和时隙利用率也明显优于...
BiRch：一种处理k步可达性查询的双向搜索算法
k步可达性查询 双向搜索 广度层数 拓扑层数
<
2015/12/22
针对现有方法低效或索引规模庞大的问题,提出一种双向搜索算法Bi Rch。当判断顶点u是否满足k步可达顶点v时,首先比较u的出度和v的入度,优先处理度小的顶点。其优点体现在使用较小的索引,同时避免由于u的出度过大所带来的效率下降问题;提出基于双向广度层数和双向拓扑层数的剪枝策略来辅助过滤,减少需要访问的顶点数量。基于19个真实数据集进行测试,实验结果从索引构建时间、索引大小、查询响应时间、处理顶点数...
基于动态路网的分布式邻近目标查询算法
k邻近查询 分布式查询 延迟路由
<
2014/12/31
提出了一种基于实时路况信息的分布式邻近目标查询算法，采用基于Voronoi图的划分将地理信息存储在离它最近路口的智能摄像头上，实时路况信息由智能摄像头采集，通过对路口的畅通程度进行建模，估算出路口间通行所需要的时间。当有车辆查询邻近目标时，网络中的智能摄像头根据所在路口的畅通程度和到邻近路口的距离，在分布式查询过程中加入延时转发机制，广播目标路径询问的数据分组，使数据分组的发送能模拟当前的路况进行...
空间近似关键字反远邻查询
近似关键字查询 反远邻查询 空间数据库 外存索引
<
2016/12/29
空间数据集中的点普遍由空间信息及描述文本信息组成.空间近似关键字反远邻查询(Approximate String Reverse Furthest Neighbors Search,ASRFNS)问题是在一个空间数据集中搜索所有以给定查询点为最远邻,且满足文本相似度条件的目标.基于现有的空间反远邻查询算法以及近似关键字查询算法,我们提出了两个基本的解决算法:凸包最远单元交集(CHFCsJoin)算...
图数据关键词查询研究进展
关键词查询 图数据 排序 查询评价
<
2017/1/11
图数据关键词查询适用于结构化、半结构化、非结构化数据,使得普通用户在不需要熟悉任何查询语言和底层数据模式情况下能检索数据.目前,图数据关键词查询技术已成为数据库和信息检索领域的研究热点.该文对现有的图数据关键词查询方法进行了综述.首先,介绍了图数据关键词查询的基本概念.然后,对关键技术进行总结和对比分析,包括搜索算法、排序、查询意图和查询评价.最后,对当前工作存在的主要问题及未来研究方向进行讨论.
针对RDF概率图查询的基数估计方法
不确定资源描述框架图 查询处理 选择基数估计 查询优化
<
2017/1/5
资源描述框架图查询中,准确估计查询结果的大小是查询优化器中的关键步骤.已有方法忽略了该图自身的不确定性以及子查询间的关联关系,无法有效估计结果.针对该问题,本文提出一种基于贝叶斯模型的基数估计方法.该方法引入贝叶斯网络模型,挖掘出子查询内的属性依赖.同时,在这些属性依赖的基础上提出子网拼接方法,计算出子查询间的影响因子.最后,利用以上信息准确估计出任意查询结果集的基数.实验表明:与已有方法相比,本...