期刊
  出版年
  关键词
结果中检索 Open Search
Please wait a minute...
选择: 显示/隐藏图片
1. 基于区块链技术及应用的可视化研究综述
邵怡敏, 赵凡, 王轶, 王保全
《计算机应用》唯一官方网站    2023, 43 (10): 3038-3046.   DOI: 10.11772/j.issn.1001-9081.2022111642
摘要225)   HTML26)    PDF (8589KB)(236)    收藏

区块链技术源自比特币,是一项颠覆性的创新技术,具有十分广阔的发展前景。面对区块链平台及应用领域不断扩展的需求,引进可视化技术能够增强用户的认知能力,帮助用户从海量复杂数据中高效发现有用信息,并辅助用户的理解与决策,是区块链技术的研究前沿之一。为了深入了解基于区块链技术及应用的可视化研究,首先,介绍了区块链和可视化基础理论,并从多个维度分析了现有区块链可视化研究文献;其次,从共性关键技术出发,介绍了区块链交易处理、共识机制、智能合约和网络安全方面的可视化研究方法;同时,概述了虚拟货币、社会民生和融合创新等多个领域中区块链可视化的应用现状;最后,总结和展望了基于区块链技术及应用的可视化研究的发展趋势。

图表 | 参考文献 | 相关文章 | 多维度评价
2. 类自动车牌识别轨迹数据的伴随车辆组挖掘
王保全, 蒋同海, 周喜, 马博, 赵凡
计算机应用    2017, 37 (11): 3064-3068.   DOI: 10.11772/j.issn.1001-9081.2017.11.3064
摘要777)      PDF (908KB)(529)    收藏
自动车牌识别(ANPR)数据比私人全球定位系统(GPS)数据更易获得,且包含更有用的信息,但是相对成熟的针对GPS轨迹数据挖掘伴随车辆组方法并不适用于自动车牌识别数据,现有的少量自动车牌识别数据伴随车辆组挖掘算法存在重视轨迹相似而忽视时间因素的缺陷,因此提出一种基于轨迹特征的聚类方法挖掘伴随车辆组。针对自动车牌识别数据中采样点固定而采样时间不定的特点,通过轨迹中共现的次数判定两个对象构成伴随模式。该共现定义引入豪斯多夫距离,综合考虑轨迹的地点、方向和时间特征,旨在挖掘数据中采样点不同但采样点距离近且轨迹相似的伴随车辆组,以此提高伴随车辆组挖掘效率。实验结果表明,所提方法较现有方法更能有效挖掘伴随车辆组,识别非伴随模式数据,效率提升了近两倍。
参考文献 | 相关文章 | 多维度评价
3. 区块链3.0的发展、技术与应用
方鹏 赵凡 王保全 王轶 蒋同海
《计算机应用》唯一官方网站    DOI: 10.11772/j.issn.1001-9081.2023121826
预出版日期: 2024-03-13

4. CCML2017+会议文章254+类ANPR轨迹数据的伴随车辆组挖掘
王保全 蒋同海 周喜 马博 赵凡
  
录用日期: 2017-06-05