朱美玲
- 作品数：6 被引量：73H指数：3
- 供职机构：北方工业大学更多>>
- 发文基金：北京市自然科学基金国家自然科学基金北京市优秀人才培养资助更多>>
- 相关领域：自动化与计算机技术更多>>
- 基于多源传感数据相关性分析的电厂设备故障检测方法被引量：10
- 2019年
- 传统模型驱动的设备故障检测方法不能有效考虑传感数据之间的复杂关联,致使很多潜在的异常难以有效发现。论文从数据驱动的视角出发,提出了一种基于多源传感数据相关性分析的设备故障在线检测方法。首先,通过测点聚类和线性回归技术,对设备传感历史数据进行离线训练,检测传感数据之间的潜在关联。然后,利用关联检测结果对传感数据流进行在线异常检测,捕获不符合离线关联模型的传感数据并进行预警异常。最后,基于某大型火电厂真实数据集进行实验,验证了该方法的有效性。
- 柴政刘晨朱美玲韩燕波
- 关键词：异常检测在线检测
- 基于海量车牌自动识别数据的动态拼车方法和系统
- 本发明提出了一种基于海量车牌自动识别数据的动态拼车方法和系统。该系统基于云计算环境下的Hadoop和Spark并行处理与分析框架，高效的处理海量车牌自动识别数据，及时准确的为用户提供拼车推荐服务。不同于传统拼车系统需要出...
- 王桂玲曹波张仲妹朱美玲刘晨韩燕波
- 文献传递
- 基于车牌识别流数据的车辆伴随模式发现方法被引量：10
- 2017年
- 针对伴随车辆检测这一新兴的智能交通应用,在一种特殊的流式时空大数据——车牌识别流式大数据(ANPR)下,重新定义了Platoon伴随模式,提出PlatoonFinder算法,即时地在车牌识别数据流上挖掘Platoon伴随模式.主要贡献包括:第一,将Platoon伴随模式发现问题映射为数据流上的带有时空约束的频繁序列挖掘问题,与传统频繁序列挖掘算法仅考虑序列元素之间位置关系不同,该算法能够在频繁序列挖掘的过程中有效处理序列元素之间复杂的时空约束关系;第二,该算法融入了伪投影等性能优化技术,针对数据流的特点进行了性能优化,能够有效应对车牌识别流式大数据的速率和规模,从而实现车辆Platoon伴随模式的即时发现.通过在真实车牌识别数据集上的实验分析表明:PlatoonFinder算法的平均延时显著低于经典的Aprior和PrefixSpan等频繁模式挖掘算法,也低于真实情况下交通摄像头的车牌识别最小时间间隔.因此,所提出的算法可以有效地发现伴随车辆组及其移动模式.
- 朱美玲刘晨王雄斌韩燕波
- 基于云计算的流数据集成与服务被引量：51
- 2017年
- 当前,大数据的管理和处理是云基础设施的重点用武之地,而服务是落实云计算环境中各类资源及能力交付和使用模式的主要方式.随着感知设备的普及,系统规模急剧扩张,数据多元异构复杂性提升,流数据并发数量及速度剧增,传统的流数据系统在处理能力、可扩展性、容错性等方面面临瓶颈问题,而云计算技术依靠其良好的可伸缩性、数据的并行化处理能力、对服务使用模式的支持、容错性等特点,可作为流数据管理与处理的基础.基于云计算对来自不同类型设备的大规模流数据进行集成、处理及服务化正是文中关注的焦点所在.从应用需求出发,该文对大规模流数据集成和实时处理及服务的概念框架、集成方法、流数据查询处理、定制化服务、可伸缩性保障和可靠性保障以及相关评测基准等要点进行了剖析,归纳了大规模流数据的集成与服务研究面临的挑战,探讨了云计算环境下求解相关问题的思路.
- 王桂玲韩燕波张仲妹朱美玲
- 关键词：流数据云服务数据服务
- 基于海量车牌自动识别数据的动态拼车方法和系统
- 本发明提出了一种基于海量车牌自动识别数据的动态拼车方法和系统。该系统基于云计算环境下的Hadoop和Spark并行处理与分析框架，高效的处理海量车牌自动识别数据，及时准确的为用户提供拼车推荐服务。不同于传统拼车系统需要出...
- 王桂玲曹波张仲妹朱美玲刘晨韩燕波
- 基于大规模流式车牌识别数据的即时伴随车辆发现被引量：3
- 2016年
- 提出了一种基于流式大规模车牌识别数据集的伴随车辆(伴随车辆是指在一段持续的时间内一起移动的车辆组群)即时发现方法,可实现即时发现疑似伴随车辆并将其按伴随概率排序.该方法充分利用了云基础设施的并行计算能力,基于整数划分思想建立并行发现的负载均衡模型,优化了伴随车辆的发现性能,可用于对时间敏感的交通应用场景,如发现并监控运钞车等特殊车辆的跟踪车辆等.实验证明,该方法能够有效处理大规模的流式车牌识别数据,并实时地输出发现结果.
- 朱美玲王雄斌张守利刘晨韩燕波
- 关键词：流数据即时性
