潘晓辉

作品数:9被引量:14H指数:2
导出分析报告
供职机构:上海政法学院更多>>
发文主题:电子商务遗传算法关联规则组卷技术数据挖掘更多>>
发文领域:自动化与计算机技术经济管理电子电信社会学更多>>
发文期刊:《计算机技术与发展》《微电子学与计算机》《秦智》《科技传播》更多>>
所获基金:上海市高校选拔培养优秀青年教师科研专项基金更多>>
-

检索结果分析

署名顺序

  • 全部
  • 第一作者
结果分析中...
条 记 录,以下是1-9
视图:
排序:
无人驾驶汽车之电车难题的命运值策略
《秦智》2023年第11期25-28,共4页云太真 潘晓辉 
无人驾驶汽车技术发展中尚需解决的一个重要问题是紧急避险的规则。问题在于,无人驾驶在紧急避险情况下,如何进行规避,如何选择碰撞目标,是一个类似于电车难题的伦理悖论。功利主义和义务论的伦理学说提出了对立的选择规范,无人驾驶汽...
关键词:无人驾驶 电车难题 概率 功利主义 
数据挖掘在电子商务在线答疑中的应用模型研究
《价值工程》2016年第9期169-170,共2页潘晓辉 
上海政法学院院级科研项目<电子商务中大数据处理的研究>基金支持;项目编号:2014XJ18
随着电子商务蓬勃发展,数据挖掘逐渐应用在电子商务需求的方方面面。本文在分析了电商平台中在线咨询功能的不足后,利用数据挖掘技术,提出一种基于关联规则挖掘的电子商务在线答疑模型。
关键词:电子商务 数据挖掘 关联规则 在线答疑 
探讨大数据时代电子商务中的数据交换被引量:1
《科技传播》2016年第4期90-91,共2页潘晓辉 
上海政法学院院级科研项目<电子商务中大数据处理的研究>基金支持;项目编号:2014XJ18
本文主要探讨大数据时代电子商务中数据交换的方式和必要性,针对于电子商务中数据交换的对象及目的不同,分析了企业之间数据交换的特点和结构,使得电子商务运营更加方便有效。
关键词:电子商务 大数据处理 数据交换 
并行高斯消去法在云计算平台上的研究
《计算机技术与发展》2014年第5期125-128,133,共5页潘晓辉 
上海高校选拔培养优秀青年教师科研专项基金资助项目(szf06010)
为了解决串行部分选主元的高斯消去算法不能充分利用多核处理器的问题,提出并实现了并行多线程的部分选主元的高斯消去算法,并将整个算法进行了分析和优化,使数据的存储布局和算法的访存模式匹配,从而大幅提高了程序的性能。通过对本地L...
关键词:部分选主元 高斯消去算法 多线程 缓存 亚马逊云 AMAZON EC2 
GPU加速随机线性网络编码的研究被引量:1
《价值工程》2012年第29期193-194,共2页潘晓辉 
网络编码近年来被广泛用于各种分布式系统以提高吞吐量,并且能在网络发生动态变化时的数据传输提供弹性。但是,网络编码引起的大量的额外计算量和编码时间成为了实际应用的障碍。在这个研究中,我们使用GPU的强大计算能力来加速网络编码...
关键词:网络编码 随机 线性 图形处理器 
基于梯度塔形分解的GPU加速多源图像融合被引量:2
《微电子学与计算机》2011年第12期54-58,共5页潘晓辉 张涛 
为了解决多分辨率图像融合算法在单纯CPU上运行效率低的问题,提出了一种用于在基于梯度塔形分解的图像融合算法中使用的新融合规则,并将整个融合算法在图形处理器上进行了设计和高效的实现,将计算密集的任务安排到图形处理器上执行.实...
关键词:图像融合 梯度塔形分解 图形处理器 融合规则 
电子商务数据交换系统研究与设计
《价值工程》2011年第24期127-129,共3页潘晓辉 
随着世界经济全球化的发展,企业迫切需要在更大范围内实现资源共享与数据交换。由于企业的平台和数据模式各不相同,传统的数据交换方式已经不能适应现代电子数据交换的需要,基于可扩展标记语言XML和Internet的新一代数据交换系统是未来...
关键词:数据交换 组件 可扩展标记语言 
在线考试系统中组卷技术的研究被引量:6
《价值工程》2010年第14期159-161,共3页潘晓辉 
组卷模块能否高效率地生成符合系统要求的试卷是评估考试系统的重要因素。遗传算法(GA算法)近年来在解决多重约束问题的求解中应用非常广泛。把遗传算法应用于自动组卷,在标准遗传算法的基础上进行了改进,采用分段编码,基于误差的适应...
关键词:遗传算法 考试系统 自动组卷 
数据挖掘在智能答疑模型中的应用被引量:4
《微电子学与计算机》2006年第3期116-118,共3页潘晓辉 刘志镜 
数据挖掘技术是近年来随着数据库技术和人工智能技术的发展而出现的全新信息技术。在分析智能答疑系统设计中存在的主要的技术问题后,我们利用数据挖掘的相应知识,提出一种基于关联规则挖掘和知识树规则合并与删除机制的智能答疑模型。
关键词:数据挖掘 关联规则 智能答疑 
检索报告 对象比较 聚类工具 使用帮助 返回顶部