期刊文献+
共找到942篇文章
< 1 2 48 >
每页显示 20 50 100
最短路径算法:分类体系与研究进展 被引量:169
1
作者 陆锋 《测绘学报》 EI CSCD 北大核心 2001年第3期269-275,共7页
最短路径算法是计算机科学与地理信息科学等领域的研究热点。本文首先讨论了平面图的搜索策略 ,然后从问题类型、网络类型和实现方法 3方面对最短路径算法进行了系统的分类 ,从理论上比较了近年来所提出的各种具有较高效率的串行最短路... 最短路径算法是计算机科学与地理信息科学等领域的研究热点。本文首先讨论了平面图的搜索策略 ,然后从问题类型、网络类型和实现方法 3方面对最短路径算法进行了系统的分类 ,从理论上比较了近年来所提出的各种具有较高效率的串行最短路径算法的时间复杂度 ,并对国内外一些相关研究进行了综合评述。结合城市交通网络的实验结果 ,作者对几种应用最为广泛的串行最短路径算法的运行效率进行了分析和评价 ,最后对最短路径算法在实时化和并行化方面的发展进行了讨论。 展开更多
关键词 最短路径算法 分类 评价 计算机 地理信息系统 实时 并行
下载PDF
实现影响因素多源异构融合的短期负荷预测支持向量机算法 被引量:91
2
作者 吴倩红 高军 +3 位作者 侯广松 韩蓓 汪可友 李国杰 《电力系统自动化》 EI CSCD 北大核心 2016年第15期67-72,92,共7页
针对智能电网大数据环境下,导致电力系统负荷波动的诸多因素存在多源异构性的问题,利用多核函数来对其多源异构特性进行差异化处理和融合,能够描述影响因素的内在分布特性并应对其变化,提高负荷预测精度。选取历史负荷、气温、气压、相... 针对智能电网大数据环境下,导致电力系统负荷波动的诸多因素存在多源异构性的问题,利用多核函数来对其多源异构特性进行差异化处理和融合,能够描述影响因素的内在分布特性并应对其变化,提高负荷预测精度。选取历史负荷、气温、气压、相对湿度、降雨量、风向、风速、节假日及电价9个属性作为多源异构影响因素,利用样本特征分布法、单变量法及核矩阵秩空间差异法来选择多核函数的构成,采用双层多核学习算法,建立了并行化多核支持向量机(SVM)负荷预测算法流程,并在Hadoop集群上进行了仿真验证。仿真结果表明,多核SVM比单核SVM预测平均相对误差小,双层多核学习、基于lp范数的多核SVM模型预测精度最高。因此,多核SVM能有效处理负荷预测中的多源异构数据,经并行化处理后,能提高负荷预测的速度与精度。 展开更多
关键词 大数据 多源异构特性 支持向量机(SVM) 负荷预测 并行
下载PDF
现代设计方法与新产品开发 被引量:41
3
作者 刘恒 虞烈 谢友柏 《中国机械工程》 EI CAS CSCD 北大核心 1999年第1期81-83,共3页
简要分析国内外新产品设计领域的发展状况的同时,提出应建立一套支持产品开发与生产全过程的数字化、并行化、智能化、集成化的现代设计方法与系统,给出应注意的一些问题与意见。
关键词 现代设计方法 数字 并行 智能 产品开发
下载PDF
基于R语言的负荷预测ARIMA模型并行化研究 被引量:62
4
作者 麦鸿坤 肖坚红 +1 位作者 吴熙辰 陈驰 《电网技术》 EI CSCD 北大核心 2015年第11期3216-3220,共5页
自回归求和移动平均(autoregressive integrated moving average,ARIMA)模型常在R语言环境下被用于电力负荷数据的分析和预测。然而,面对海量数据背景下的工程应用,R环境下ARIMA模型的运行效率无法达到令人满意的程度。针对此问题,通过J... 自回归求和移动平均(autoregressive integrated moving average,ARIMA)模型常在R语言环境下被用于电力负荷数据的分析和预测。然而,面对海量数据背景下的工程应用,R环境下ARIMA模型的运行效率无法达到令人满意的程度。针对此问题,通过JAVA与R的实时通信,充分利用JAVA丰富的开源资源与R强大的统计计算功能,在JAVA中进行程序的逻辑判断,在R中进行数值计算,采用混合编程,最后完成ARIMA模型接口的封装,实现了基于负荷数据预测的ARIMA模型的串行化程序。在串行程序完成的基础上,根据电力负荷特性,对数据进行划分,结合JAVA多线程技术,实现了ARIMA模型的并行化。最后,结合文中提出的复合评价指标,对安徽地区随机获取的用户电力负荷进行了测试。结果表明,ARIMA模型并行算法预测准确率好,代码执行效率高。 展开更多
关键词 电力负荷预测 ARIMA JAVA R语言 并行
下载PDF
并行数据库的查询处理并行化技术和物理设计方法 被引量:32
5
作者 李建中 《软件学报》 EI CSCD 北大核心 1994年第10期1-10,共10页
近几年,随着并行计算机系统的迅速发展,并行数据库系统已经成为一个新的数据库研究领域,引起了学术界和工业界的极大关注,很多研究成果已经出现.本文是综述并行数据库系统研究与进展情况的两篇文章之一,重点探讨目前并行数据库系... 近几年,随着并行计算机系统的迅速发展,并行数据库系统已经成为一个新的数据库研究领域,引起了学术界和工业界的极大关注,很多研究成果已经出现.本文是综述并行数据库系统研究与进展情况的两篇文章之一,重点探讨目前并行数据库系统的研究方向和问题,综述有关并行数据库的物理设计方法和查询处理并行化技术的主要研究成果. 展开更多
关键词 并行数据库 查询处理 并行 物理设计法
下载PDF
基于Hadoop平台的海量文本分类的并行化 被引量:35
6
作者 向小军 高阳 +1 位作者 商琳 杨育彬 《计算机科学》 CSCD 北大核心 2011年第10期184-188,共5页
文本分类是信息检索与数据挖掘的研究热点与核心技术,近年来得到了广泛的关注和快速的发展。近来年随着文本数据呈指数增长,要有效地管理这些数据,就必须在分布式环境下用有效的算法来处理这些数据。在Ha-doop分布式平台下实现了一简单... 文本分类是信息检索与数据挖掘的研究热点与核心技术,近年来得到了广泛的关注和快速的发展。近来年随着文本数据呈指数增长,要有效地管理这些数据,就必须在分布式环境下用有效的算法来处理这些数据。在Ha-doop分布式平台下实现了一简单有效的文本分类算法——TFIDF分类算法,即一种基于向量空间模型的分类算法,它用余弦相似度得到分类结果。在两个数据集上做了实验,结果表明,这一并行化算法在大数据集上很有效并可以在实际领域中得到良好的应用。 展开更多
关键词 文本分类 并行 海量数据 HADOOP
下载PDF
基于FPGA的卷积神经网络加速器 被引量:36
7
作者 余子健 马德 +1 位作者 严晓浪 沈君成 《计算机工程》 CAS CSCD 北大核心 2017年第1期109-114,119,共7页
现有软件实现方案难以满足卷积神经网络对运算性能与功耗的要求。为此,设计一种基于现场可编程门阵列(FPGA)的卷积神经网络加速器。在粗粒度并行层面对卷积运算单元进行并行化加速,并使用流水线实现完整单层运算过程,使单个时钟周期能... 现有软件实现方案难以满足卷积神经网络对运算性能与功耗的要求。为此,设计一种基于现场可编程门阵列(FPGA)的卷积神经网络加速器。在粗粒度并行层面对卷积运算单元进行并行化加速,并使用流水线实现完整单层运算过程,使单个时钟周期能够完成20次乘累加,从而提升运算效率。针对MNIST手写数字字符识别的实验结果表明,在75 MHz的工作频率下,该加速器可使FPGA峰值运算速度达到0.676 GMAC/s,相较通用CPU平台实现4倍加速,而功耗仅为其2.68%。 展开更多
关键词 卷积神经网络 现场可编程门阵列 加速器 流水线 并行
下载PDF
并行化遗传算法研究综述 被引量:34
8
作者 冯智莉 易国洪 +2 位作者 李普山 黎慧源 代瑜 《计算机应用与软件》 北大核心 2018年第11期1-7,80,共8页
说明遗传算法的基本思想和特点。根据近五年国内遗传算法的研究现状,分析遗传算法当前发展的潜力与不足。对遗传算法未来的发展和研究热点进行了推理,指出遗传算法的主要发展方向是并行化,研究热点将集中在早熟机理和参数设置等方面,并... 说明遗传算法的基本思想和特点。根据近五年国内遗传算法的研究现状,分析遗传算法当前发展的潜力与不足。对遗传算法未来的发展和研究热点进行了推理,指出遗传算法的主要发展方向是并行化,研究热点将集中在早熟机理和参数设置等方面,并且遗传算法未来会跟其他的技术进一步结合。从遗传算法的主要环节入手,分析遗传算法的并行化策略和4种常见的并行化模型,并分析不同模型使用的硬件环境和模型的优缺点。对并行化遗传算法的评价模型进行讨论,说明了常见的评价模型和改进之处。 展开更多
关键词 经典遗传算法 并行 性能评估
下载PDF
DEM生成算法并行化研究 被引量:18
9
作者 吕建峰 刘定生 +1 位作者 焦伟利 李国庆 《中国图象图形学报(A辑)》 CSCD 北大核心 2002年第5期506-512,共7页
数字高程模型 DEM(Digital Elevation Model) ,是一种表示三维空间连续起伏状态的数学模型 ,如今在各行业应用十分广泛 .针对 DEM生成过程中计算复杂、数据量大的特点 ,在分析几种常用的 DEM生成算法的基础上 ,以线性内插算法为样本 ,对... 数字高程模型 DEM(Digital Elevation Model) ,是一种表示三维空间连续起伏状态的数学模型 ,如今在各行业应用十分广泛 .针对 DEM生成过程中计算复杂、数据量大的特点 ,在分析几种常用的 DEM生成算法的基础上 ,以线性内插算法为样本 ,对 DEM生成算法的并行化处理问题进行了深入研究 .研究中 ,分别从数据并行和算法并行的角度 ,对 DEM生成算法并行化进行了分析 ,并在网络分布式机群下进行了数据处理实验 ,取得了较好的并行处理效果 .最后 ,进一步根据实验结果 ,讨论了两种分解方法的并行效率 ,提出了 DEM生成算法并行化的有效途径 . 展开更多
关键词 DEM 生成算法 并行 数字高程模型 并行处理 数据处理 三维立体地形图 绘制 计算机处理
下载PDF
基于云计算和改进K-means算法的海量用电数据分析方法 被引量:29
10
作者 张承畅 张华誉 +1 位作者 罗建昌 何丰 《计算机应用》 CSCD 北大核心 2018年第1期159-164,共6页
针对小区居民用电数据挖掘效率低、数据量大等难题,进行了基于云计算和改进K-means算法的海量用电数据分析方法研究。针对传统K-means算法中存在初始聚类中心和K值难确定的问题,提出一种基于密度的Kmeans改进算法。首先,定义样本密度、... 针对小区居民用电数据挖掘效率低、数据量大等难题,进行了基于云计算和改进K-means算法的海量用电数据分析方法研究。针对传统K-means算法中存在初始聚类中心和K值难确定的问题,提出一种基于密度的Kmeans改进算法。首先,定义样本密度、簇内样本平均距离的倒数和簇间距离三者乘积为权值积,通过最大权值积法依次确定聚类中心,提高了聚类的准确率;然后,基于MapReduce模型实现改进算法的并行化,提高了聚类的效率;最后,以小区400户家庭用电数据为基础,进行海量电力数据的挖掘分析实验。以家庭为单位,提取出用户的峰时耗电率、负荷率、谷电负荷系数以及平段用电量百分比,建立聚类的数据维度特征向量,完成相似用户类型的聚类,同时分析出各类用户的行为特征。基于Hadoop集群的实验结果证明提出的改进K-means算法运行稳定、可靠,具有很好的聚类效果。 展开更多
关键词 用电数据 云计算 改进K-MEANS算法 MAPREDUCE模型 并行
下载PDF
二分K均值聚类算法优化及并行化研究 被引量:23
11
作者 张军伟 王念滨 +1 位作者 黄少滨 蔄世明 《计算机工程》 CAS CSCD 北大核心 2011年第17期23-25,共3页
二分K均值聚类算法在二分聚类过程中的初始质心选取速度方面存在不足。为此,提出以极大距离点作为二分聚类初始质心的思想,提升算法的运行速度。研究如何在群集系统中进行快速聚类,根据二分K均值聚类算法的特性,采用数据并行的思想和均... 二分K均值聚类算法在二分聚类过程中的初始质心选取速度方面存在不足。为此,提出以极大距离点作为二分聚类初始质心的思想,提升算法的运行速度。研究如何在群集系统中进行快速聚类,根据二分K均值聚类算法的特性,采用数据并行的思想和均匀划分的策略,对算法进行并行化处理。实验结果表明,改进后的算法能获得比较理想的加速比和较高的使用效率。 展开更多
关键词 数据挖掘 聚类算法 二分K均值 并行 群集系统
下载PDF
基于MapReduce模型的并行遗传k-means聚类算法 被引量:22
12
作者 贾瑞玉 管玉勇 李亚龙 《计算机工程与设计》 CSCD 北大核心 2014年第2期657-660,共4页
为了提高遗传k-means算法时间效率和聚类结果的正确率,利用遗传算法的粗粒度并行化设计思想,提出了在Hadoop平台下将遗传k-means算法进行并行化设计。将各个子种群编号作为个体区分,个体所包含的各个聚类中心和其适应度作为值共同作为... 为了提高遗传k-means算法时间效率和聚类结果的正确率,利用遗传算法的粗粒度并行化设计思想,提出了在Hadoop平台下将遗传k-means算法进行并行化设计。将各个子种群编号作为个体区分,个体所包含的各个聚类中心和其适应度作为值共同作为个体的输入;在并行化过程中,设计了较优的种群迁移策略来避免早熟现象的发生。实验对不同的数据集进行处理,实验结果表明,并行化的遗传k-means算法在处理较大数据集时比传统的串行算法在时间上和最后的结果上都具有明显的优越性。 展开更多
关键词 遗传算法 K-MEANS算法 MAPREDUCE模型 HADOOP平台 并行
下载PDF
基于Spark的LIBSVM参数优选并行化算法 被引量:21
13
作者 李坤 刘鹏 +2 位作者 吕雅洁 张国鹏 黄宜华 《南京大学学报(自然科学版)》 CAS CSCD 北大核心 2016年第2期343-352,共10页
利用Spark集群设计LIBSVM参数优选的并行化实现.LIBSVM是一款广泛使用的SVM软件包,广泛应用于模型搭建、样本训练和结果预测等方面.在用LIBSVM训练数据集时,参数的选择对训练结果影响显著,其中以参数C和g最为重要.LIBSVM软件包中采用网... 利用Spark集群设计LIBSVM参数优选的并行化实现.LIBSVM是一款广泛使用的SVM软件包,广泛应用于模型搭建、样本训练和结果预测等方面.在用LIBSVM训练数据集时,参数的选择对训练结果影响显著,其中以参数C和g最为重要.LIBSVM软件包中采用网格搜索算法对C、g参数组合进行寻优,尽管该算法在单机上实现了并行化,但当数据量达到一定程度时,仍需要花费大量的时间.基于Spark并行计算架构,进行了LIBSVM的C、g参数网格优选并行算法的设计与实现.实验结果表明,提出的并行粗粒度网格搜索C、g参数优选算法比传统算法速度提升了近7倍,而且这一提升将随着集群规模的扩大而进一步加大.另一方面,在粗粒度网格搜索的基础上,进而提出的细粒度并行网格搜索算法又进一步提升了C、g参数组合的优选结果. 展开更多
关键词 LIBSVM 参数优选 网格搜索 并行 SPARK
下载PDF
Parallel naive Bayes algorithm for large-scale Chinese text classification based on spark 被引量:21
14
作者 LIU Peng ZHAO Hui-han +3 位作者 TENG Jia-yu YANG Yan-yan LIU Ya-feng ZHU Zong-wei 《Journal of Central South University》 SCIE EI CAS CSCD 2019年第1期1-12,共12页
The sharp increase of the amount of Internet Chinese text data has significantly prolonged the processing time of classification on these data.In order to solve this problem,this paper proposes and implements a parall... The sharp increase of the amount of Internet Chinese text data has significantly prolonged the processing time of classification on these data.In order to solve this problem,this paper proposes and implements a parallel naive Bayes algorithm(PNBA)for Chinese text classification based on Spark,a parallel memory computing platform for big data.This algorithm has implemented parallel operation throughout the entire training and prediction process of naive Bayes classifier mainly by adopting the programming model of resilient distributed datasets(RDD).For comparison,a PNBA based on Hadoop is also implemented.The test results show that in the same computing environment and for the same text sets,the Spark PNBA is obviously superior to the Hadoop PNBA in terms of key indicators such as speedup ratio and scalability.Therefore,Spark-based parallel algorithms can better meet the requirement of large-scale Chinese text data mining. 展开更多
关键词 Chinese text classification naive Bayes SPARK HADOOP resilient distributed dataset PARALLELIZATION
下载PDF
基于大数据集的协同过滤算法的并行化研究 被引量:19
15
作者 李改 潘嵘 +1 位作者 李章凤 李磊 《计算机工程与设计》 CSCD 北大核心 2012年第6期2437-2441,共5页
通过对基于ALS的协同过滤算法及分布式Hadoop平台的相关特性进行深入研究,将基于ALS的协同过滤算法在Hadoop上进行并行化,解决了传统的基于ALS的协同过滤算法在大规模数据集上的运算问题。经过实验验证,在Ha-doop平台上实现的并行化的AL... 通过对基于ALS的协同过滤算法及分布式Hadoop平台的相关特性进行深入研究,将基于ALS的协同过滤算法在Hadoop上进行并行化,解决了传统的基于ALS的协同过滤算法在大规模数据集上的运算问题。经过实验验证,在Ha-doop平台上实现的并行化的ALS协同过滤算法不仅能够保证实验结果的准确性,而且与单节点上实现的算法相比,运算效率显著提高。 展开更多
关键词 推荐系统 协同过滤 HADOOP 交叉最小二乘法 并行
下载PDF
融合气象数据的并行化航班延误预测模型 被引量:19
16
作者 吴仁彪 李佳怡 屈景怡 《信号处理》 CSCD 北大核心 2018年第5期505-512,共8页
针对航空数据呈现高维化、海量化趋势但传统模型处理大数据时单机计算资源不足的问题,本文提出一种基于Spark并融合气象数据的并行化航班延误预测模型。该模型利用数据框完成航班数据和气象数据的融合,从而在单个航班数据后加入不同小... 针对航空数据呈现高维化、海量化趋势但传统模型处理大数据时单机计算资源不足的问题,本文提出一种基于Spark并融合气象数据的并行化航班延误预测模型。该模型利用数据框完成航班数据和气象数据的融合,从而在单个航班数据后加入不同小时的气象数据。然后,采用并行化方式进行随机森林的特征划分和树的生成,可快速进行航班延误预测。实验结果表明融入气象数据后查全率和正确率均有提高,针对不同阈值的延误时间进行预测时,大阈值的预测准确率更高。同时,并行化模型分类强度高、相关性弱,具有较好的模型泛化误差,较单机模型更快收敛,具有较强的加速比。 展开更多
关键词 航班延误预测 随机森林 并行 数据融合
下载PDF
基于Hadoop的多维关联规则挖掘算法研究及应用 被引量:18
17
作者 杨青 张亚文 +1 位作者 张琴 袁佩玲 《计算机工程与科学》 CSCD 北大核心 2019年第12期2127-2133,共7页
传统的Apriori算法要多次扫描数据集,随着数据量的快速增长,传统的Apriori算法已经不能很好地适用于大数据分析,针对该情况设计了IPApriori算法。首先通过剪枝策略设计了一种适用于多维数据的IApriori算法,再将IApriori算法与Hadoop分... 传统的Apriori算法要多次扫描数据集,随着数据量的快速增长,传统的Apriori算法已经不能很好地适用于大数据分析,针对该情况设计了IPApriori算法。首先通过剪枝策略设计了一种适用于多维数据的IApriori算法,再将IApriori算法与Hadoop分布式框架相结合,实现了多维关联规则挖掘算法的并行化。将IPApriori算法运用到手机用户行为预测关联分析中,分析影响手机用户行为的一些主要因素,挖掘出手机用户行为与年龄维度、性别维度、时间维度、地点维度和手机品牌维度属性之间可能存在的某种关联。最后通过实验证明,算法的并行化和建立结构的方法可以降低系统的I/O负荷,提高算法的执行效率。 展开更多
关键词 APRIORI算法 HADOOP 多维关联规则 并行
下载PDF
考虑样本不平衡的并行化用户负荷类型辨识方法 被引量:17
18
作者 刘洋 高丽霞 刘璐 《电网技术》 EI CSCD 北大核心 2020年第11期4310-4317,共8页
电力物联网背景下的态势感知技术,是以电力系统运行数据为驱动,通过对数据信息的获取、理解、分析预测,实现正确的决策与行动。该文针对此背景下对于海量用户负荷类型辨识和用电行为态势感知,提出一种基于MapReduce的并行化长短期记忆网... 电力物联网背景下的态势感知技术,是以电力系统运行数据为驱动,通过对数据信息的获取、理解、分析预测,实现正确的决策与行动。该文针对此背景下对于海量用户负荷类型辨识和用电行为态势感知,提出一种基于MapReduce的并行化长短期记忆网络(parallel long short-term memory,Par-LSTM)的负荷分类方法,该方法通过将负荷数据分割交给多个LSTM并行处理以提高分类速度。并且采用一种考虑样本合成倍率的改进Borderline-SMOTE方法(BorderlineSMOTE considering synthetic multiple,SMB-SMOTE)处理负荷训练样本类别不平衡现象。算例表明,对SMB-SMOTE方法处理样本不平衡后的负荷数据进行Par-LSTM分类,能够有效提高小类负荷样本的分类精度。 展开更多
关键词 电力物联网 负荷类型辨识 并行 Par-LSTM SMB-SMOTE
下载PDF
Web应用前后端融合的遗传算法并行化测试用例生成 被引量:17
19
作者 王微微 李奕超 +1 位作者 赵瑞莲 李征 《软件学报》 EI CSCD 北大核心 2020年第5期1314-1331,共18页
Web应用测试用例生成并行化是提升Web应用测试生成效率的一个有效手段.Web应用的前后端分离、事件驱动等特性,导致传统的并行化技术难以直接应用于Web应用的测试用例自动生成中.因此,如何针对Web应用进行并行化测试用例生成,是一项具有... Web应用测试用例生成并行化是提升Web应用测试生成效率的一个有效手段.Web应用的前后端分离、事件驱动等特性,导致传统的并行化技术难以直接应用于Web应用的测试用例自动生成中.因此,如何针对Web应用进行并行化测试用例生成,是一项具有挑战性的工作.将种群并行化计算引入到基于遗传算法的Web应用前后端融合的测试用例生成中,通过线程池及调度逻辑设计、多浏览器进程管理及后端覆盖路径获取,实现种群个体在多浏览器上的并行化执行及基于后端路径覆盖的适应度值并行化计算,以更高效地生成Web应用的测试用例.实验结果表明:相对于Web应用的GA串行化测试用例生成方法,所提的并行化测试生成方法能够更充分地利用系统资源,极大地提升Web应用测试用例的生成效率. 展开更多
关键词 WEB应用测试 测试用例生成 遗传算法 并行 敏感路径
下载PDF
基于电力大数据的多源异构数据融合技术研究与应用 被引量:17
20
作者 毛先胤 文屹 +3 位作者 马晓红 黄欢 张辉 余容 《电力大数据》 2020年第8期33-39,共7页
为解决当前电力系统存在自动化系统繁多.数据标准多祥,信息内容重复等问题,进一步提高电力大数据的鲜活性、现势性和准确性,降低数据采集成本,提高数据利用价值。本文通过分析电力大数据存在的问题,选取基于MapReduce框架下的Hermite正... 为解决当前电力系统存在自动化系统繁多.数据标准多祥,信息内容重复等问题,进一步提高电力大数据的鲜活性、现势性和准确性,降低数据采集成本,提高数据利用价值。本文通过分析电力大数据存在的问题,选取基于MapReduce框架下的Hermite正交基前向神经网络算法。本方法利用MapReduce框架将大样本并行化处理,解决了BP神经网络存在的收敛速度慢、局部极小点、网络结构不确定等缺点。本文实验首先从教据集的选取,以Hadop为基础搭建实验平台,将风电场历史监测数据作为源数据,并将其分为几组容量不同的数据分别进行风电场功率预测的实验分析。通过实验结果的对比表明本文提出的基于MapReduce框架下的Hermite正交基前向神经网络算法较传统的BP神经网络算法在功率预测上精度更准确、效率更高。 展开更多
关键词 电力大数据 数据融合 并行 神经网络算法 分布式系统基础架构
下载PDF
上一页 1 2 48 下一页 到第
使用帮助 返回顶部