检索结果-内蒙古大学图书馆

黑龙江教育（高教研究与评估） 2021年第7期 55-56页

作者：冯诚夏添景维鹏东北林业大学信息与计算机工程学院黑龙江哈尔滨150000 东北林业大学黑龙江哈尔滨150000 哈尔滨理工大学黑龙江哈尔滨150000

文章从培养学生系统能力角度出发,在分析传统"操作系统"课程教学基础上,针对当前操作系统课程难以促进学生深入理解课程内核的这一瓶颈问题,提出了基于学习产出理念综合利用线下线上资源的创新性教学改革模式,设计了系统性模... 详细信息

文章从培养学生系统能力角度出发,在分析传统"操作系统"课程教学基础上,针对当前操作系统课程难以促进学生深入理解课程内核的这一瓶颈问题,提出了基于学习产出理念综合利用线下线上资源的创新性教学改革模式,设计了系统性模块化教学内容和全覆盖的知识体系,阐述了操作系统线下线上混合教学改革方案并说明实践的初步成效。

关键词： OBE 混合教学模式操作系统教学改革

来源：评论

学校读者我要写书评

暂无评论

基于启发式掩模EMD的音频突变成分检测方法

引用

信号处理 2020年第6期36卷 885-893页

作者：李海峰戎晓汇马琳徐忠亮薄洪健哈尔滨工业大学计算机科学与技术学院黑龙江哈尔滨150001 东北林业大学信息与计算机工程学院黑龙江哈尔滨150040 深圳航天科技创新研究院广东深圳518057

多数情况下,音频信号可以视为是由稳态成分和突变成分两种成分组成,稳态成分与突变成分在属性特征方面具有明显的差异,而且突变成分通常承载更重要的信息,是信号处理要分析提取的目标。为有效检测出突变成分并将这两种成分分离,需要完... 详细信息

多数情况下,音频信号可以视为是由稳态成分和突变成分两种成分组成,稳态成分与突变成分在属性特征方面具有明显的差异,而且突变成分通常承载更重要的信息,是信号处理要分析提取的目标。为有效检测出突变成分并将这两种成分分离,需要完整精确地检测提取出突变成分。为此本文提出一种基于启发式掩模经验模态分解(Empirical Mode Decomposition,EMD)的音频突变成分检测方法,该检测方法中使用启发式掩模EMD分解音频信号并从中提取出各点的瞬时信息作为检测特征,同时本文提出一种窗长自适应更新策略来设定适合突变成分的长度。在IOWA的乐器音频数据集中,该检测方法能够实现以98.68%的检测精确率和87.65%的检测召回率将音频突变成分检测出来。此外该检测方法无需人为干预,并且检测出的突变成分维度一致,便于进行后续的特征提取、分类识别等处理操作。

关键词：掩模经验模态分解音频信号突变成分检测方法

来源：评论

学校读者我要写书评

暂无评论

基于TVF-EMD的乐器音质特征分析方法及其应用

引用

信号处理 2020年第6期36卷 932-941页

作者：李海峰孙聪珊马琳薄洪健徐忠亮哈尔滨工业大学计算机科学与技术学院黑龙江哈尔滨150001 深圳航天科技创新研究院广东深圳518063 东北林业大学信息与计算机工程学院黑龙江哈尔滨150040

音质(Timbre)是音乐感知和言语识别的重要线索。传统音质分析方法无法同时获取理想的时间分辨率和频域分辨率,对音频的非平稳特性没有很好地处理。本文采用时变滤波经验模态分解(Time Varying Filtering based EMD,TVF-EMD)方法提取音... 详细信息

音质(Timbre)是音乐感知和言语识别的重要线索。传统音质分析方法无法同时获取理想的时间分辨率和频域分辨率,对音频的非平稳特性没有很好地处理。本文采用时变滤波经验模态分解(Time Varying Filtering based EMD,TVF-EMD)方法提取音频的固有模态函数用于希尔伯特变换,并构建了音质的希尔伯特频谱分布特征和希尔伯特轮廓特征。在乐器分类问题中,将提取的两类音质特征与Mel倒谱系数特征(Mel Frequency Cepstral Coefficients,MFCCs)有效结合,然后构造基于双向长短时记忆网络的音质时序分类器,在公开乐器演奏音频数据库中进行了乐器分类实验。结果表明,所提出的音质特征可以有效补充Mel倒谱特征等传统特征无法表达的非线性非平稳信息,大大提高了本音质表征方法对复杂音频的适应性和鲁棒性。

关键词：音质时变滤波经验模态分解希尔伯特频谱分布特征希尔伯特轮廓特征乐器分类

来源：评论

学校读者我要写书评

暂无评论

基于局部敏感哈希的改进堆叠算法

引用

广西师范大学学报（自然科学版） 2020年第4期38卷 21-31页

作者：王俊杰温雪岩徐克生于鸣东北林业大学信息与计算机工程学院黑龙江哈尔滨150040 国家林业局哈尔滨林业机械研究所黑龙江哈尔滨150086

堆叠泛化有着与生俱来的高复杂性、“数据泄露”的问题,同时针对不同的数据样本也存在稳定性方面的问题。为此,本文提出的基于敏感哈希的堆叠算法LBDS,利用局部敏感哈希(local sensitive hashing,LSH)算法,首先将训练集和测试集映射到... 详细信息

堆叠泛化有着与生俱来的高复杂性、“数据泄露”的问题,同时针对不同的数据样本也存在稳定性方面的问题。为此,本文提出的基于敏感哈希的堆叠算法LBDS,利用局部敏感哈希(local sensitive hashing,LSH)算法,首先将训练集和测试集映射到哈希桶,当其中某个桶满时作为开始训练条件,训练出的模型对下一次桶满时的训练数据和测试数据及其邻域进行预测。接着,利用稳定性和信息熵条件对基分类器筛选,生成高层数据。最后,将高层训练预测得到的结果通过混合投票和平均的方法求得最终分类结果。在若干数据集上的验证结果显示,LBDS在Acc和AUC上有平均2%的改进,训练时间复杂度有10%的降低,同时表现出更好的稳定性和更强的泛化能力。

关键词：堆叠泛化局部敏感哈希时间复杂度稳定性元分类器

来源：评论

学校读者我要写书评

暂无评论

中文文本挖掘的动态文摘建模方法

引用

哈尔滨工程大学学报 2019年第4期40卷 820-826页

作者：刘美玲王慧强陈广胜于洋东北林业大学信息与计算机工程学院黑龙江哈尔滨150040 哈尔滨工程大学计算机科学与技术学院黑龙江哈尔滨150001

中文文摘是自然语言处理领域的重要研究之一,尤其是基于理解的文摘中对时间特征的研究,更是引起了广泛的关注。本文抽取中文文本摘要的动态特征,进行文本挖掘和建模分析来体现时间特性。通过对中文动态多文档文摘系统框架和句子加权、... 详细信息

中文文摘是自然语言处理领域的重要研究之一,尤其是基于理解的文摘中对时间特征的研究,更是引起了广泛的关注。本文抽取中文文本摘要的动态特征,进行文本挖掘和建模分析来体现时间特性。通过对中文动态多文档文摘系统框架和句子加权、特征抽取及句子选择等关键步骤的算法设计,实现动态文摘模型,并提出基于动态性能的中文文摘评测方法。实验证明该中文动态文摘技术及其评测算法在实际的文本挖掘过程中,能较好地获得可理解性的、具有时间延展性的摘要,具有一定的可行性和较高的研究价值。

关键词：动态文摘建模文本挖掘中文摘要评测方法句子加权文本理解语料测试

来源：评论

学校读者我要写书评

暂无评论

基于多重分形谱的木材高光谱图像纹理分类算法

引用

液晶与显示 2019年第12期34卷 1182-1190页

作者：唐艳慧赵鹏王承琨东北林业大学信息与计算机工程学院黑龙江哈尔滨150040

为了过滤木材高光谱图像中大量的冗余信息,提升应用图像纹理进行分类的准确率,本文采用基于多重分形理论的木材高光谱图像分类算法。首先利用不同的特征选择算法选取最具代表性的10个波段;随后根据不同的函数密度图像对所选取波段的图... 详细信息

为了过滤木材高光谱图像中大量的冗余信息,提升应用图像纹理进行分类的准确率,本文采用基于多重分形理论的木材高光谱图像分类算法。首先利用不同的特征选择算法选取最具代表性的10个波段;随后根据不同的函数密度图像对所选取波段的图像求解其多重分形曲线,将选择出的多个波段所对应的多重分形曲线取平均,得到表示样本纹理特征的多重分形曲线;最后使用支持向量机和BP神经网络分类器对多重分形曲线进行分类。实验表明,相对熵(K-L散度)要好于自适应波段选择(ABS)提取的波段,多重分形算法提取的高光谱图像纹理特征要好于灰度共生矩阵,支持向量机算法的分类准确率和速度要优于BP神经网络,融合K-L散度、多重分形和支持向量机算法能够有效地提高木材高光谱图像的识别准确率,最高识别准确率达到了97.91%。

关键词：木材树种识别高光谱图像纹理多重分形

来源：评论

学校读者我要写书评

暂无评论

基于加权主题分布表达的微博文本摘要生成研究

引用

东北师大学报（自然科学版） 2020年第1期52卷 69-74页

作者：贾晓婷王名扬曹宇东北林业大学信息与计算机工程学院黑龙江哈尔滨150040 同方知网(北京)技术有限公司北京100000

对微博文本的向量化表达及摘要效果的评测问题进行了研究.引入Word2vec模型实现微博文本词语的向量化表达,进而对词向量聚类生成主题词类.计算微博文本到主题词类的隶属度,结合主题词类的权重,生成微博文本的加权主题分布表达.在此基础... 详细信息

对微博文本的向量化表达及摘要效果的评测问题进行了研究.引入Word2vec模型实现微博文本词语的向量化表达,进而对词向量聚类生成主题词类.计算微博文本到主题词类的隶属度,结合主题词类的权重,生成微博文本的加权主题分布表达.在此基础上划分类簇实现摘要句的提取.基于类簇H指数选出高频词作为标准摘要词集,考察了生成摘要与标准摘要词集中共现词的词频分布,实现对自动摘要效果的评测.实验结果表明,本文提出的方法有助于提升微博短文本集的摘要生成效果.

关键词：自动摘要加权主题分布表达 Word2vec H指数

来源：评论

学校读者我要写书评

暂无评论

基于Boosting框架的推荐系统架构与优化

引用

现代电子技术 2020年第8期43卷 19-21,28页

作者：刘彦伯温雪岩徐克生于鸣东北林业大学信息与计算机工程学院黑龙江哈尔滨150040 国家林业局哈尔滨林业机械研究所黑龙江哈尔滨150086

现如今推荐算法已得到广泛应用,但大多数推荐算法均存在各自的局限性。针对这一问题,提出一种基于Boosting框架的推荐系统架构,以多种基本推荐算法为基础,集成一个强推荐系统。将基于Boosting的推荐系统,在MovieLens 100K中进行测试。... 详细信息

现如今推荐算法已得到广泛应用,但大多数推荐算法均存在各自的局限性。针对这一问题,提出一种基于Boosting框架的推荐系统架构,以多种基本推荐算法为基础,集成一个强推荐系统。将基于Boosting的推荐系统,在MovieLens 100K中进行测试。测试与分析结果表明,该系统测试结果显示Precision达到39.44%,比原来提高8.63%。因此,集成的推荐系统能够有效提升推荐效果,为用户提供良好的用户体验。

关键词：推荐系统系统架构系统优化 Boosting框架系统集成系统测试

来源：评论

学校读者我要写书评

暂无评论

高质量就业背景下的工程类本科人才敏捷培养模式构建

引用

教育教学论坛 2021年第45期 165-168页

作者：李莉刘志光吴怡东北林业大学信息与计算机工程学院黑龙江哈尔滨150040 黑龙江教师发展学院大数据管理与应用系黑龙江哈尔滨150080

党的十九大报告指出高质量就业是解决我国当前新形势下社会主要矛盾的必然要求,这对工程类本科人才培养模式提出了新的内容。通过分析高质量就业的评价体系及影响因子,构建了着眼于提高解决复杂问题能力的工程类本科人才敏捷培养模式,... 详细信息

党的十九大报告指出高质量就业是解决我国当前新形势下社会主要矛盾的必然要求,这对工程类本科人才培养模式提出了新的内容。通过分析高质量就业的评价体系及影响因子,构建了着眼于提高解决复杂问题能力的工程类本科人才敏捷培养模式,模式突出体现了培养目标融合、学科融合、产教资源融合、模块化的快速可重构课程体系等特点,能够快速适应国内外产业对人才需求的变化,对新工科背景下工程类高等教育培养模式改革具有实践意义。

关键词：高质量就业新工科工程类本科人才敏捷培养模式

来源：评论

学校读者我要写书评

暂无评论

基于Q学习的单路口交通信号协调控制

引用

计算机与现代化 2020年第5期 96-100,105页

作者：胡宇刘美玲周子昂张敏东北林业大学信息与计算机工程学院黑龙江哈尔滨150040

Q学习通过与外部环境的交互来进行单路口的交通信号自适应控制。在城市交通愈加拥堵的时代背景下,为了缓解交通拥堵,提出一种结合SCOOT系统对绿信比优化方法的Q学习算法。本文将SCOOT系统中对绿信比优化的方法与Q学习相结合,即通过结合... 详细信息

Q学习通过与外部环境的交互来进行单路口的交通信号自适应控制。在城市交通愈加拥堵的时代背景下,为了缓解交通拥堵,提出一种结合SCOOT系统对绿信比优化方法的Q学习算法。本文将SCOOT系统中对绿信比优化的方法与Q学习相结合,即通过结合车均延误率以及停车次数等时间因素以及经济因素2方面,建立新的数学模型来作为本算法的成本函数并建立一种连续的奖惩函数,在此基础上详细介绍Q学习算法在单路口上的运行过程并且通过与Webster延误率和基于最小车均延误率的Q学习进行横向对比,验证了此算法优于定时控制以及基于车均延误的Q学习算法。相对于这2种算法,本文提出的算法更加适合单路口的绿信比优化。

关键词：交通信号控制 Q学习单路口智能体

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：