PulseAugur
中
实时 23:28:42
English(EN) Efficient Partitioning Method of Large-Scale Public Safety Spatio-Temporal Data based on Information Loss Constraints

新方法改进公共安全时空数据划分

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一种名为IFL-LSTP的新方法，用于划分大规模公共安全时空数据。该方法旨在通过解决保持时空邻近性和在分布式系统中实现负载均衡方面的局限性，来改进此类数据的存储、管理和应用。该方法结合了时空划分模块（STPM）和图划分模块（GPM），后者利用图表示学习来创建平衡的分区，同时最大限度地减少信息损失。 AI

影响 该方法可以提高公共安全应用中管理和利用大型时空数据集的效率。

排序理由 这是一篇详细介绍数据划分新方法的学术论文。[lever_c_demoted from research: ic=1 ai=0.7]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新方法改进公共安全时空数据划分

本文如何被排名

Signal score
0 / 100
Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket
Tool
这是一篇详细介绍数据划分新方法的学术论文。[lever_c_demoted from research: ic=1 ai=0.7]
Source corroboration
Single-source cluster
Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics
paper, infra
Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance
High
Clearly on-topic for AI-industry coverage.
Story freshness
90 days old
Aged out of breaking-news scoring windows; ranking reflects the durable signal from the full source set.

完整方法见我们的编辑标准。

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Jie Gao, Yawen Li, Zhe Xue, Zeli Guan ·

    基于信息损失约束的大规模公共安全时空数据的高效划分方法

    arXiv:2306.12857v3 Announce Type: replace Abstract: The storage, management, and application of massive spatio-temporal data are widely used in practical scenarios, including public safety. However, due to the unique spatio-temporal distribution characteristics of real-world data…

相关实体

相关话题