研究人员疏散问题对于有效减少踩踏事故发生有着重要意义。为了揭示大型公共场所人员密集区域人员疏散行为规律特征,降低聚集人群风险,文中首先研究了公共场所拥挤人群行为特点,包括行人运动特征、聚集人群心理特征;探讨了恐慌状态下人的行为表现,进而分析踩踏行为的影响因素;使用Pathfinder疏散软件模拟出A植物园某场馆高峰期、低峰期以及场馆内设置复杂环境情况下人员的疏散过程,结果证实人群有明显的从众行为,人数越多出口处堵塞越严重,建筑物内部结构越复杂,疏散效率越低,建筑物内墙体方向设置与疏散效率有关,设置安保人员亦能提高疏散效率。本研究可为大型公共场所人员密集区域人员疏散问题的优化及安全管理提供参考。
2021-10-17 15:51:35
1.39MB
1
Instacart市场篮子分析
抽象的
Instacart已成为北美领先的杂货配送平台，并且由于COVID-19，其增长正在Swift加速。 鉴于在线杂货店购物的增加以及作为狂热的美食爱好者，我们希望了解人们订购的商品以及他们的行为有何不同。 在探索了数据集及其包含的不同数据点之后，我们确定了购买农产品（水果，蔬菜等）时关注用户和订单行为的机会。
研究问题
1.客户的细分是什么购买有机与那些永远不要购买有机什么时候给予选择？
2.自然用户和永不自然用户之间的购买行为是否有所不同？
3.用户在Instacart上进行更多订购时，购买行为会改变吗？ 购买“有机”商品是一种稳定还是动态的行为？
使用的工具
语言：
Python
库：
麻木
大熊猫
matplotlib
分工
为了不给我其他小组成员的工作以功劳，每个笔记本都标上姓氏，以表示对整个研究项目的贡献。 此外，由研究团队其他成员
2021-10-16 16:43:50
4.96MB
1
C C++函数手册.CHM,c++标准库函数(cn).CHM,c++库函数(en).CHM
css样式表滤镜手册.CHM,css样式表中文手册.CHM,C函数浏览.CHM,C语言函数大全语法.CHM
DHTML 手册.CHM,DHTML默认行为手册.CHM,DOM文档对象模型手册.CHM,DOM中文参考手册(CHM).CHM
2021-10-15 18:18:17
7.02MB
1
针对数据库用户行为异常导致数据库泄露问题，提出了一种基于K-means和naive Bayes算法的数据库用户异常检测方法。首先，利用数据库历史审计日志中用户的查询语句与查询结果，采用K-means聚类方法得到用户的分组；然后，使用naive Bayes分类算法构造用户异常检测模型。与单独使用naive Bayes分类法构造的模型相比，在数据预处理时其精简了用户行为轮廓的表示方法，降低了计算冗余，减少了81%的训练时间；利用K-means聚类方法得到用户组别，使检测的精确率提高了7.06%，F1值提高了3.33%。实验证明，所提方法大幅降低了训练时间，取得了良好的检测效果。
2021-10-15 15:32:32
1.03MB
1
智慧政务大数据可视化平台方案 大数据分析可视化平台_分析用户行为.pptx
2021-10-15 13:02:23
53.93MB
用户和实体行为分析
通过深度学习进行用户和实体行为分析。 从用户的日常记录中检测用户的异常行为。
内部威胁检测
细节
所有数据均从CERT / R4.2 （ ftp://ftp.sei.cmu.edu/pub/cert-data ）中提取
数据：用于检测的数据。
依赖库
python 3.63-64位
numpy的1.16.4
张量流1.8.0
keras 2.2.2
斯克莱恩0.19.1
使用情况
逐步运行python文件。
请注意，需要分别为不同的用户运行3-Action_Sequence_Training.py和4-Static_Feature_Training.py ，您可以找到user_sets并进行更改。 2-Training_Data_Generating.py还需要在两种要素类型下运行，您可以找到“类型”并进行更改。
该项目中提供的功能和深度学习模型是非常简单的示
2021-10-14 15:59:12
19.86MB
1