移动信息系统

移动信息系统
期刊指标
录取率 32%
提交到最终决定 105天
接受出版 41天
CiteScore 1.590
影响因子 1.635
提交

深度学习安全与隐私防御技术综述

阅读全文

杂志简介

移动信息系统刊载原始研究文章,以及可报告在移动信息系统领域的理论和/或新的想法和概念的应用程序的评论文章。

编辑聚光灯

移动信息系统保持来自世界各地的研究人员执业,确保稿件由编辑是谁在研究领域的专家来处理的编委。

特殊的问题

我们目前有一些特别的问题公开提交。特刊突出某一领域内的新兴研究领域,或为深入研究现有研究领域提供场所。

最新文章

更多文章
研究文章

点的识别设置在逼真的场景对象

随着新的智能传感技术,如3D扫描仪和立体视觉的出现,高质量的点云数据已经变得非常方便,成本更低。三维物体识别的基础上的点云的研究也受到了广泛的关注。点云几何数据结构的一个重要类型。由于其不规则的格式,许多研究者此类数据转换规则三维体素网格或图像集。然而,这可能导致数据并引起问题不必要的体积。在本文中,我们考虑在现实的感官认识对象的问题。我们首先使用欧氏距离聚类方法在逼真的场景段对象。然后,我们使用了深刻的学习网络结构直接提取点云数据的特征来识别的对象。从理论上说,这种网络结构显示出强大的性能。在实验中,有98.8%的准确率对训练集,以及在实验测试集的准确率可以达到89.7%。 The experimental results show that the network structure in this paper can accurately identify and classify point cloud objects in realistic scenes and maintain a certain accuracy when the number of point clouds is small, which is very robust.

评论文章

智能移动应用:一个系统的地图研究

智能手机作为最经济实惠和实用的无处不在的设备通过使用许多方便的应用在我们日常生活中的增强很大程度上参与。然而,除了他们的异质性的移动用户数量显著(不同的配置文件和上下文)责成开发商,使它们更加智能,更灵活,以提高他们的应用程序的质量。这主要是实现通过分析移动用户的数据。机器学习(ML)技术提供的方法和需要从数据提取知识,以促进决策技术。因此,开发人员和研究人员确认在多个应用领域如电子医疗,电子学习,电子商务和电子相结合的教练ML技术和移动通信技术的好处。因此,本文的目的是在移动应用的设计和开发中使用的ML技术的概述。因此,我们进行的关于这个问题在2007年1月1日和12月31日之间的期间发表的论文的系统映射研究2019年甲选择的71个文件总数,研究,并进行分析,根据以下标准,年,源和信道出版,研究型和方法,实物收集的数据,并最终通过ML车型,任务和技术。

研究文章

基于多叙聚变研究的室内场景分类机制

本研究针对传统场景分类算法中由于非感兴趣区域(non-ROI, region of interest)信息干扰所带来的巨大局限性,包括多尺度或多种视角的变化以及类与其他因素之间的高度相似性。提出了一种有效的基于多描述符融合的室内场景分类机制,该机制通过引入深度图像来提高描述符的分类效率。为了获得有价值的描述符,提出了贪婪描述符滤波算法,并给出了多描述符组合方法,进一步提高了描述符的性能。性能分析和仿真结果表明,在中大型描述符的情况下,多描述符融合不仅能比主成分分析(PCA)获得更高的分类精度,而且能比现有的其他算法有效地提高分类精度。

研究文章

云数据中心中基于协作游戏的虚拟机资源分配算法

随着云服务的不断增长的需求,云数据中心(疾病预防控制中心)可以提供灵活的资源,以适应工作量的需求供应。在疾病预防控制中心,虚拟机(VM)的资源分配问题是提供高效的基础设施服务的重要和具有挑战性的问题。在本文中,我们建议在CDC系统的虚拟机统一资源分配方案。为了提供一个公平高效的解决方案,我们专注于基本概念Shapley值并采用其变体有效地分配CDC资源。根据……的特点价值解决方案,我们开发新的CPU,内存,存储和带宽资源分配算法。要切实履行我们的算法,应用类型被假定为合作游戏的玩家,和不同价值应用解决方案优化资源利用。因此,我们的四种资源分配算法被联合起来作为一种新的四重博弈模型,通过级联的相互作用,合理地获取各种利益,同时全面地解决一些控制问题。为了确保云服务的需求不断增长,该特性可以充分利用不同服务之间的协同作用价值解决方案。要检查我们提出的方案的有效性和优越性,我们进行了广泛的模拟。仿真结果表明,与现有的国家的最先进的协议,我们的算法有显著的性能提升。最后,我们总结了我们的合作博弈为基础的方法以及有关云计算辅助DC的资源分配模式未来的挑战讨论可能的重大研究课题。

研究文章

基于转移学习的CNN模型在濒危鹦鹉物种分类中的实时移动应用

在众多的深度学习方法中,卷积神经网络(convolutional neural network, CNN)模型在图像识别方面表现优异。使用CNN识别和分类图像数据集的研究正在进行中。利用CNN对动物物种进行识别和分类,有望为各种应用提供帮助。然而,复杂的特征识别是对具有相似特征的准种进行分类的关键,例如,颜色相似度高的准种鹦鹉。本研究的目的是开发一个基于视觉的移动应用程序,使用基于转移学习的高级CNN模型(一些鹦鹉有非常相似的颜色和形状)对濒危鹦鹉物种进行分类。我们通过两种方式获取图像:直接从首尔大公园动物园收集图像,并使用谷歌搜索对它们进行爬行。随后,我们用transfer learning建立了高级的CNN模型,并使用数据对其进行训练。接下来,我们将一个完全训练好的模型转换为一个文件,以便在移动设备上执行,并创建Android包文件。测量了8个CNN模型的准确性。移动设备摄像头的整体精度为94.125%。 For certain species, the accuracy of recognition was 100%, with the required time of only 455 ms. Our approach helps to recognize the species in real time using the camera of the mobile device. Applications will be helpful for the prevention of smuggling of endangered species in the customs clearance area.

评论文章

计算资源有限平台上的深度学习:一项调查

如今,物联网(IoT)产生了大量的数据。通过机器学习技术,装备智能传感器的物联网节点可以立即从数据中提取有意义的知识。深度学习(DL)以其相对于传统机器学习的显著优势,在智能传感领域不断取得重大进展。广阔的应用前景对DL在各种环境下的无所不在的部署提出了要求。因此,在移动或嵌入式平台上执行DL正成为一个常见的需求。然而,一个典型的DL应用程序可以很容易地耗尽一个嵌入式或移动设备,因为有大量的乘和累加(MAC)操作和内存访问操作。因此,在深度学习和资源有限的平台之间架起桥梁是一项具有挑战性的任务。总结了资源有限型深度学习的典型应用,指出深度学习是普适计算不可或缺的推动力。随后,我们通过回顾神经网络的容量、泛化和反向传播等基本概念来探究DL计算开销高的根本原因。在这些概念的指导下,我们调查有代表性的研究工作的原则,以及三种类型的解决方案:算法设计、计算优化和硬件革命。 In pursuant to these solutions, we identify challenges to be addressed.

移动信息系统
期刊指标
录取率 32%
提交到最终决定 105天
接受出版 41天
CiteScore 1.590
影响因子 1.635
提交

我们致力于尽快和尽可能安全地分享关于COVID-19的发现。任何提交COVID-19论文的作者都应该通知我们help@hindawi.com以确保他们的研究是快速跟踪和尽快预印本服务器上公布。我们将针对与COVID-19接受的文章中提供的出版费用减免无限。