检索结果-内蒙古大学图书馆

计算机应用研究 2021年第5期38卷 1416-1421页

作者：毛伊敏张瑞朋曹文梁江西理工大学信息工程学院江西赣州341000 东莞职业技术学院计算机工程系广东东莞523808

针对并行DCNN算法在大数据环境下网络冗余参数过多、收敛速度慢和并行效率低的问题,提出了一种并行化深度卷积神经网络优化算法——PDCNNO(parallel deep convolutional neural networks optimization algorithm)。首先,该算法设计了基... 详细信息

针对并行DCNN算法在大数据环境下网络冗余参数过多、收敛速度慢和并行效率低的问题,提出了一种并行化深度卷积神经网络优化算法——PDCNNO(parallel deep convolutional neural networks optimization algorithm)。首先,该算法设计了基于特征图的剪枝策略(PFM),预训练网络,获得压缩后的网络,有效减少了冗余参数,降低了DCNN训练时间和空间复杂度;其次,设计了修正正割线的共轭梯度法(CGMSE),获取局部分类结果,实现了共轭梯度法的快速收敛,提高了网络的收敛速度;最后,在reduce阶段提出了控制负载率的负载均衡策略(LBRLA),获取全局分类结果,实现了数据的快速均匀分组,从而提高了并行系统的加速比。实验表明,该算法不仅降低了DCNN在大数据环境下训练的时间和空间复杂度,而且提高了并行系统的并行化性能。

关键词： DCNN算法 MapReduce框架 CGMSE PFM策略 LBRLA策略

来源：评论

学校读者我要写书评

暂无评论

基于网格密度和局部敏感哈希函数的并行化聚类算法

引用

计算机应用研究 2021年第5期38卷 1422-1427页

作者：毛伊敏陶涛曹文梁江西理工大学信息工程学院江西赣州341000 东莞职业技术学院计算机工程系广东东莞518172

针对大数据背景下基于划分的聚类算法中存在初始中心敏感,节点间通信开销大以及集群效率低下等问题,提出了基于网格密度和局部敏感哈希函数的PBGDLSH-MR并行化聚类算法。首先,对初始数据集提出网格密度策略(GDS)获取初始中心点,有效避... 详细信息

针对大数据背景下基于划分的聚类算法中存在初始中心敏感,节点间通信开销大以及集群效率低下等问题,提出了基于网格密度和局部敏感哈希函数的PBGDLSH-MR并行化聚类算法。首先,对初始数据集提出网格密度策略(GDS)获取初始中心点,有效避免了随机选取引起的初始中心敏感的问题;其次,提出基于局部敏感哈希函数的数据分区(DP-LSH)用于投射关联性较大的数据对象到同一子数据集中,得到map上的数据分区,并设计相似性度量公式(SI)对数据分区结果进行评价,从而降低了节点间的通信开销;接着设计自适应分组策略(AGS)处理数据分区中数据倾斜的问题,进而有效地提高了集群效率;最后,结合MapReduce计算模型并行挖掘簇中心,生成最终聚类结果。实验结果表明,PBGDLSH-MR算法的聚类效果更佳,同时在大数据环境下能有效地提高并行计算的效率。

关键词：大数据并行化聚类网格密度哈希函数 MapReduce

来源：评论

学校读者我要写书评

暂无评论

分流气体对冲消声结构的消声性能与压力损失

引用

内燃机学报 2021年第1期39卷 88-95页

作者：张永安武佩苏赫薛晶张海军陈小江内蒙古农业大学计算机与信息工程学院内蒙古呼和浩特010018 内蒙古农业大学机电工程院内蒙古呼和浩特010018 内蒙古机电职业技术学院内蒙古呼和浩特010018

从排气气流角度出发,利用发动机排气气流自身分流并发生对冲的思路,设计了一种新型消声结构——分流气体对冲消声结构.排气气流分流对冲可有效降低消声器内排气气流速度,减少消声器内湍流噪声的产生,在兼具消声性能的前提下,有效降低了... 详细信息

从排气气流角度出发,利用发动机排气气流自身分流并发生对冲的思路,设计了一种新型消声结构——分流气体对冲消声结构.排气气流分流对冲可有效降低消声器内排气气流速度,减少消声器内湍流噪声的产生,在兼具消声性能的前提下,有效降低了消声器的排气背压,提升了发动机的输出功率.从传统消声结构和分流气体对冲消声结构的数值模拟和试验验证对比结果可见,二者在低频段消声性能相近,但分流气体对冲消声结构在高频段的消声性能优于传统消声结构,且分流气体对冲消声结构在不同入口气流速度下,压力损失比传统消声结构降低均在20%以上.该分流对冲结构还可与传统消声单元耦合,有助于进一步提升消声器的综合性能.

关键词：排气噪声抗性消声器消声性能压力损失

来源：评论

学校读者我要写书评

暂无评论

基于多阈值分割和B样条插值的CT图像金属伪影去除方法研究

引用

电子测量与仪器学报 2020年第7期32卷 128-132页

作者：李长春李元金滁州职业技术学院信息工程学院滁州239000 滁州学院计算机与信息工程学院滁州239000

为了解决重建后CT(computed tomography)图像中出现的金属伪影问题,提出了基于多阈值分割和B样条插值的CT图像金属伪影去除方法。首先,介绍了CT图像中金属伪影产生的原因;然后详细剖析基于多阈值分割和B样条插值的CT图像金属伪影去除方... 详细信息

为了解决重建后CT(computed tomography)图像中出现的金属伪影问题,提出了基于多阈值分割和B样条插值的CT图像金属伪影去除方法。首先,介绍了CT图像中金属伪影产生的原因;然后详细剖析基于多阈值分割和B样条插值的CT图像金属伪影去除方法实施过程;最后,使用于基于多阈值分割和B样条插值的CT图像金属伪影去除方法对含有金属伪影的临床CT图像和模拟phantom图像进行实验。实验表明,提出的CT图像金属伪影去除方法能够有效地对CT图像中的金属伪影进行减少或去除,这将为医务工作诊断病灶提供了清晰的CT图像。

关键词：多阈值分割 B样条插值均值滤波 CT图像金属伪影去除

来源：评论

学校读者我要写书评

暂无评论

基于T-RBAC访问控制模型在实习管理云平台中的应用研究

引用

黄山学院学报 2023年第3期25卷 26-29页

作者：张林静刘淑影尤游安徽警官职业学院信息管理系安徽合肥230031 阜阳师范大学计算机与信息工程学院安徽阜阳236037 安徽机电职业技术学院公共基础教学部安徽芜湖241000

虚拟化技术虽然促进了云计算技术的不断发展,同时也对云计算安全产生了新的威胁。实习管理云平台可提供多租户访问,然而多点访问策略也增加了云平台的安全隐患。基于任务-角色的访问控制模型T-RBAC可以实现静态-动态相结合分级访问,对... 详细信息

虚拟化技术虽然促进了云计算技术的不断发展,同时也对云计算安全产生了新的威胁。实习管理云平台可提供多租户访问,然而多点访问策略也增加了云平台的安全隐患。基于任务-角色的访问控制模型T-RBAC可以实现静态-动态相结合分级访问,对不同访问主体采用不同的访问控制策略。将该模型应用在实习管理云平台的开发设计中,通过设置用户访问策略,有效地提升了云平台管理的灵活性,保障了实习管理云平台数据资源的安全性。

关键词：访问控制云计算 T-RBAC

来源：评论

学校读者我要写书评

暂无评论

混合式教学评价指标体系的构建与应用研究

引用

成人教育 2020年第12期40卷 19-25页

作者：郭建东广东工贸职业技术学院计算机与信息工程学院广州510510

实施线上线下结合的混合式教学改革已经成为教学改革的方向,合理构建混合式教学课程质量评价体系对保障混合式教学活动的有效推进具有重要的意义和价值。结合混合式教学模式的特点,提出了混合式教学评价的目的和原则,通过研究活动、评... 详细信息

实施线上线下结合的混合式教学改革已经成为教学改革的方向,合理构建混合式教学课程质量评价体系对保障混合式教学活动的有效推进具有重要的意义和价值。结合混合式教学模式的特点,提出了混合式教学评价的目的和原则,通过研究活动、评价和能力三者的关系,构建了关注过程和关注发展的多元化、多层次、多维度的混合式教学课程质量评价体系,并进行了实践检验和信度、效度分析,以期为不同学科专业、课程类型的混合式教学质量评价提供参考。

关键词：混合式教学质量评价建构主义评价指标教学评价

来源：评论

学校读者我要写书评

暂无评论

针对煤岩体稳定性预测的声发射分形特征研究

引用

电子器件 2025年第1期48卷 218-222页

作者：李晶杨勇南京审计大学计算机学院江苏南京211815 徐州工业职业技术学院信息工程学院江苏徐州221140 东南大学水声信号处理教育部重点实验室江苏南京210096

根据煤岩体失稳产生的声发射(AE)信号的混沌特性,提出了一种对信号波形分形(WFD)的分析方法,推导了波形分形维数的计算公式,采用混合蛙跳算法(WFD-SFLA)对公式参数进行优化。结合两种典型破裂模式下声发射实验数据,探讨了波形分形维数... 详细信息

根据煤岩体失稳产生的声发射(AE)信号的混沌特性,提出了一种对信号波形分形(WFD)的分析方法,推导了波形分形维数的计算公式,采用混合蛙跳算法(WFD-SFLA)对公式参数进行优化。结合两种典型破裂模式下声发射实验数据,探讨了波形分形维数与短时释放能量的指数关系,采用支持向量机训练44种特征向量,建立煤岩稳定性评价模型。理论分析和实验结果表明:该声发射信号的分形特征实现了对岩体破裂过程的全面详细描述,明显提高了煤岩稳定性预测的精确度和降低了复杂度。

关键词：分形维数声发射失稳破裂岩体稳定性

来源：评论

学校读者我要写书评

暂无评论

结合卷积特征提取和路径语义的知识推理

引用

智能系统学报 2021年第4期16卷 729-738页

作者：陈新元谢晟祎陈庆强刘羽闽江学院计算机与控制工程学院福建福州350121 福州墨尔本理工职业学院信息工程系福建福州350121 福建农业职业技术学院教学科研处福建福州350181 福建工程学院信息科学与工程学院福建福州350118 福州墨尔本理工职业学院现代教育技术中心福建福州350121

传统特征提取方法大多基于嵌入表达,常忽略了路径语义;基于关系路径的推理方法多考虑单一路径,性能仍有提升空间。为进一步提升知识推理能力,使用自定义的卷积神经网络框架编码随机游走生成的多条路径,利用双向长短期记忆网络的隐藏状... 详细信息

传统特征提取方法大多基于嵌入表达,常忽略了路径语义;基于关系路径的推理方法多考虑单一路径,性能仍有提升空间。为进一步提升知识推理能力,使用自定义的卷积神经网络框架编码随机游走生成的多条路径,利用双向长短期记忆网络的隐藏状态合并向量序列,结合注意力机制实现差异化的多路径语义信息集成,计算候选关系与实体对的概率得分,用于判断三元组是否成立。NELL995和FB15k-237数据集上的链路预测结果证明方案可行,F1等指标相比主流模型也有一定优势;进一步在大型数据集和稀疏数据集上验证方案可行。

关键词：知识图谱知识推理嵌入表示路径信息卷积神经网络长短期记忆网络注意力机制链路预测

来源：评论

学校读者我要写书评

暂无评论

基于AlexNet网络的服装风格识别分析

引用

微型电脑应用 2022年第1期38卷 48-50,54页

作者：李淑霞杨俊成河南工业职业技术学院电子信息工程学院河南南阳473000 武汉大学计算机学院湖北武汉430072

将深度学习引入机器学习使人工智能的研究上了一个新的台阶,深度学习的建模与表征能力强大,在图像处理领域有着非常重要的作用,这为服装风格分类提供了发展机会。为了进一步得到服装图片的风格信息,对原始训练集进行图片增广,扩增数据集... 详细信息

将深度学习引入机器学习使人工智能的研究上了一个新的台阶,深度学习的建模与表征能力强大,在图像处理领域有着非常重要的作用,这为服装风格分类提供了发展机会。为了进一步得到服装图片的风格信息,对原始训练集进行图片增广,扩增数据集,同时通过训练AlexNet卷积神经网络模型,对扩充数据集进行服装风格分类,从而提高服装风格识别精度。

关键词：深度学习机器学习 AlexNet卷积神经网络服装风格服装图片

来源：评论

学校读者我要写书评

暂无评论

基于粒子群算法的湘江船闸闸室编排算法

引用

电脑知识与技术 2024年第9期20卷 12-14页

作者：邓伟熊浩奇余绍军颜淑婷湖南生物机电职业技术学院湖南长沙410001 湖南省交通规划勘察设计院有限公司湖南长沙410200 中南林业科技大学计算机与信息工程学院湖南长沙410004

随着水运交通的不断发展,船闸作为重要的水利工程设施,在调节和控制船舶通行方面发挥着关键作用。合理且高效的船闸闸室编排对于提高船舶的通过效率具有至关重要的作用。该研究将粒子群算法引入船闸闸室编排问题中,将每个粒子视为一个... 详细信息

随着水运交通的不断发展,船闸作为重要的水利工程设施,在调节和控制船舶通行方面发挥着关键作用。合理且高效的船闸闸室编排对于提高船舶的通过效率具有至关重要的作用。该研究将粒子群算法引入船闸闸室编排问题中,将每个粒子视为一个可能的船闸闸室编排方案。通过不断的迭代优化,粒子群算法能够寻找到最优的编排方案,从而使得船舶的通过时间达到最短。文章提出的算法能够有效地提高船舶的通过效率,优化船闸闸室的利用,具有实际应用的潜力和价值。

关键词：船闸闸室编排粒子群算法编排问题

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：