检索结果-内蒙古大学图书馆

武汉科技大学学报 2017年第2期40卷 149-154页

作者：余自林张晓龙武汉科技大学计算机科学与技术学院湖北武汉430065 武汉科技大学智能信息处理与实时工业系统湖北省重点实验室湖北武汉430065

高价值移动通信用户预测是电信客户关系管理中的一项重要内容。针对建立预测模型时遇到的高维、大规模、类不平衡等数据处理问题,提出了一种基于有效特征选择的预测方法。利用欠采样方式从初始不平衡数据集提取多个平衡训练集,使用结合P... 详细信息

高价值移动通信用户预测是电信客户关系管理中的一项重要内容。针对建立预测模型时遇到的高维、大规模、类不平衡等数据处理问题,提出了一种基于有效特征选择的预测方法。利用欠采样方式从初始不平衡数据集提取多个平衡训练集,使用结合Pearson相关性分析和随机森林特征重要性评估的特征选择策略,在集成学习方法中嵌入加权和投票机制获得最优的特征子集,最后采用随机森林算法建立预测模型。实验结果表明,该预测模型可以有效降低特征集的维度并提升对高价值移动通信用户的预测性能。

关键词：移动通信用户不平衡数据集特征选择 Pearson相关分析随机森林预测模型

来源：评论

学校读者我要写书评

暂无评论

基于数据驱动的动态Web模板技术设计与实现

引用

武汉科技大学学报 2017年第1期40卷 70-75页

作者：刘放陈和平武汉科技大学计算机科学与技术学院湖北武汉430065 武汉科技大学智能信息处理与实时工业系统湖北省重点实验室湖北武汉430065

随着互联网产品规模的不断扩大,前端脚本代码规模大、重用性低、维护困难、扩展性差等问题不断涌现。为此,本文分析了目前主流的Web模板技术及各自的优缺点,并结合国内浏览器的兼容性,在Living template技术思想的基础上,提出一种基于... 详细信息

随着互联网产品规模的不断扩大,前端脚本代码规模大、重用性低、维护困难、扩展性差等问题不断涌现。为此,本文分析了目前主流的Web模板技术及各自的优缺点,并结合国内浏览器的兼容性,在Living template技术思想的基础上,提出一种基于数据驱动的动态Web模板技术方案(DWTT),它能有效提高前端开发效率和代码复用性,降低程序扩展和维护的复杂度。

关键词：模板 Web应用前端开发数据驱动抽象语法树

来源：评论

学校读者我要写书评

暂无评论

基于改进高斯混合模型及纹理的阴影去除算法

引用

计算机工程与设计 2017年第7期38卷 1879-1884页

作者：王雅宁张鸿武汉科技大学计算机科学与技术学院湖北武汉430065 武汉科技大学智能信息处理与实时工业系统湖北省重点实验室湖北武汉430065

为准确从视频中提取出不含阴影的运动目标,提出一种基于改进高斯混合模型及纹理的阴影去除算法。采用自适应高斯模型个数选取策略及自适应学习率参数取值方法对经典高斯混合模型进行改进,将改进后的高斯混合模型与三帧差法结合提取运动... 详细信息

为准确从视频中提取出不含阴影的运动目标,提出一种基于改进高斯混合模型及纹理的阴影去除算法。采用自适应高斯模型个数选取策略及自适应学习率参数取值方法对经典高斯混合模型进行改进,将改进后的高斯混合模型与三帧差法结合提取运动区域,使用基于梯度方向的纹理相关性算法移除运动区域的阴影。实验结果表明,该算法能快速、精准地建立并实时更新背景模型,在保证运动目标实际轮廓完整性的前提下,准确去除光照条件下带来的阴影。

关键词：运动目标检测高斯混合模型自适应纹理相关性阴影去除

来源：评论

学校读者我要写书评

暂无评论

基于区域寻优的监控视频感知噪声盲检测算法

引用

计算机工程与设计 2017年第1期38卷 165-171,197页

作者：董晶陈黎周小舟武汉科技大学计算机科学与技术学院湖北武汉430065 武汉科技大学智能信息处理与实时工业系统湖北省重点实验室湖北武汉430065

针对感知噪声导致安防监控视频质量出现退化的问题,提出一种视频感知噪声盲检测算法。通过图像的粗糙集表示,采用邻域粗糙集的相关理论获取视频静态区域的下近似集合,去除运动前景的干扰;引入自适应惩罚机制克服过亮过暗区域对感知噪声... 详细信息

针对感知噪声导致安防监控视频质量出现退化的问题,提出一种视频感知噪声盲检测算法。通过图像的粗糙集表示,采用邻域粗糙集的相关理论获取视频静态区域的下近似集合,去除运动前景的干扰;引入自适应惩罚机制克服过亮过暗区域对感知噪声产生的掩盖效应,确定最优的有效检测区域,结合信息熵作为该区域感知噪声程度的度量指标,实现对视频感知噪声的盲检测。实验结果表明,该算法在视频存在运动前景和局部含有过亮过暗区域时给出了精确的检测结果,具有良好的稳健性,满足安防场景监控视频的实际需求。

关键词：感知噪声邻域粗糙集运动去除掩盖效应信息熵

来源：评论

学校读者我要写书评

暂无评论

基于迁移学习的乳腺结构紊乱异常识别

引用

计算机工程与设计 2017年第9期38卷 2530-2535,2579页

作者：刘小明翟蕾蕾朱婷武汉科技大学计算机科学与技术学院湖北武汉430065 武汉科技大学智能信息处理与实时工业系统湖北省重点实验室湖北武汉430065

针对乳腺X图像中结构紊乱识别困难、样本数量较少的问题,提出基于迁移学习的结构紊乱识别方法,把基于Gabor的毛刺模式特征、GLCM特征以及熵特征等新特征运用其中。基于恶性肿块与结构紊乱的相似性,把恶性肿块作为源域中正样本,负样本由... 详细信息

针对乳腺X图像中结构紊乱识别困难、样本数量较少的问题,提出基于迁移学习的结构紊乱识别方法,把基于Gabor的毛刺模式特征、GLCM特征以及熵特征等新特征运用其中。基于恶性肿块与结构紊乱的相似性,把恶性肿块作为源域中正样本,负样本由结构紊乱检测算法中的伪正样本构成,对正负样本区域提取多种特征,把结构紊乱作为目标域的训练和测试集分别进行特征提取,使用自适应支持向量机(A-SVM)进行分类。实验在乳腺钼靶摄影数字化数据库(DDSM)上进行,实验结果表明,该方法克服了结构紊乱样本数量少的问题,提高了结构紊乱的识别率。

关键词：结构紊乱迁移学习自适应支持向量机计算机辅助检测乳腺癌

来源：评论

学校读者我要写书评

暂无评论

基于卷积神经网络迭代优化的图像分类算法

引用

计算机工程与设计 2017年第1期38卷 198-202,214页

作者：李鸣张鸿武汉科技大学计算机科学与技术学院湖北武汉430065 武汉科技大学智能信息处理与实时工业系统湖北省重点实验室湖北武汉430065

针对传统卷积神经网络在处理图像分类的问题过程中,需要较长的训练时间、大量的存储空间和计算资源等问题,提出一种基于卷积神经网络迭代优化的图像分类算法。对卷积神经网络进行初始化,在训练网络的过程中,对每层网络单个特征图的输入... 详细信息

针对传统卷积神经网络在处理图像分类的问题过程中,需要较长的训练时间、大量的存储空间和计算资源等问题,提出一种基于卷积神经网络迭代优化的图像分类算法。对卷积神经网络进行初始化,在训练网络的过程中,对每层网络单个特征图的输入进行BN(batch normalize)处理,得到归一化的数据后再输入到特征图中,采用迭代的方法调整卷积神经网络中的参数并删除低于阀值的连接。实验结果表明,在Mnist、Cifar-10数据集上,经过迭代优化后的卷积神经网络分别提高了0.33%和3.42%的准确率,有效降低了网络中参数的数量,相比原始卷积神经网络中的参数数量分别降低87.94%、85.91%,网络收敛速度更快,减小了网络的训练时间。

关键词：卷积神经网络特征图网络连接收敛阈值

来源：评论

学校读者我要写书评

暂无评论

基于多模态深度学习的RGB-D物体识别

引用

计算机工程与设计 2017年第6期38卷 1624-1629页

作者：骆健蒋旻刘星周龙武汉科技大学计算机科学与技术学院湖北武汉430065 武汉科技大学湖北省智能信息处理与实时工业系统重点实验室湖北武汉430065

针对现有RGB-D物体识别方法存在图像特征学习不全面、类间相似的物体识别精度不高等问题,联合稀疏自编码(sparse auto-encoder,SAE)及递归神经网络(recursive neural networks,RNNs)提出多模态稀疏自编码递归神经网络(multi-modal spars... 详细信息

针对现有RGB-D物体识别方法存在图像特征学习不全面、类间相似的物体识别精度不高等问题,联合稀疏自编码(sparse auto-encoder,SAE)及递归神经网络(recursive neural networks,RNNs)提出多模态稀疏自编码递归神经网络(multi-modal sparse auto-encoder and recursive neural networks,MSAE-RNNs)的深度学习模型。SAE结合卷积及池化技术分别从RGB-D图像的RGB图、灰度图、深度图、3D曲面法线中提取低层次的平移不变性特征,作为多个固定树RNNs的输入,得到更加抽象的高层特征,融合后的多模态特征,采用SVM分类器进行分类。在RGB-D数据集上的实验结果表明,该算法的物体识别率达到90.7%,较其它算法提高了3%-9%,能很好完成RGB-D物体的识别。

关键词：多模态稀疏自编码递归神经网络卷积及池化 3D曲面法线

来源：评论

学校读者我要写书评

暂无评论

基于潜语义主题加强的跨媒体检索算法

引用

计算机应用 2017年第4期37卷 1061-1064,1110页

作者：黄育张鸿武汉科技大学计算机科学与技术学院武汉430065 智能信息处理与实时工业系统湖北省重点实验室(武汉科技大学) 武汉430065

针对不同模态数据对相同语义主题表达存在差异性,以及传统跨媒体检索算法忽略了不同模态数据能以合作的方式探索数据的内在语义信息等问题,提出了一种新的基于潜语义主题加强的跨媒体检索(LSTR)算法。首先,利用隐狄利克雷分布(LDA)模型... 详细信息

针对不同模态数据对相同语义主题表达存在差异性,以及传统跨媒体检索算法忽略了不同模态数据能以合作的方式探索数据的内在语义信息等问题,提出了一种新的基于潜语义主题加强的跨媒体检索(LSTR)算法。首先,利用隐狄利克雷分布(LDA)模型构造文本语义空间,然后以词袋(Bo W)模型来表达文本对应的图像;其次,使用多分类逻辑回归对图像和文本分类,用得到的基于多分类的后验概率表示文本和图像的潜语义主题;最后,利用文本潜语义主题去正则化图像的潜语义主题,使图像的潜语义主题得到加强,同时使它们之间的语义关联最大化。在Wikipedia数据集上,文本检索图像和图像检索文本的平均查准率为57.0%,比典型相关性分析(CCA)、SM(Semantic Matching)、SCM(Semantic Correlation Matching)算法的平均查准率分别提高了35.1%、34.8%、32.1%。实验结果表明LSTR算法能有效地提高跨媒体检索的平均查准率。

关键词：跨媒体检索潜语义主题多分类逻辑回归后验概率正则化

来源：评论

学校读者我要写书评

暂无评论

引入信息熵的CURE聚类算法

引用

计算机应用研究 2017年第8期34卷 2303-2305页

作者：伍恒李文杰蒋旻武汉科技大学计算机科学与技术学院武汉430065 武汉科技大学智能信息处理与实时工业系统湖北省重点实验室武汉430065

为了提高传统CURE(clustering using representatives)聚类算法的质量,引入信息熵对其进行改进。该算法使用K-means算法对样本数据集进行预聚类;采用基于信息熵的相似性度量,利用簇中元素提供的信息度量不同簇之间的相互关系,并描述数... 详细信息

为了提高传统CURE(clustering using representatives)聚类算法的质量,引入信息熵对其进行改进。该算法使用K-means算法对样本数据集进行预聚类;采用基于信息熵的相似性度量,利用簇中元素提供的信息度量不同簇之间的相互关系,并描述数据的分布;在高、低层聚类阶段,采取不同的选取策略,分别选取相应的代表点。在UCI和人造数据集上的实验结果表明,提出的算法在一定程度上提高了聚类的准确率,且在大型数据集上比传统CURE算法有着更高的聚类效率。

关键词：层次聚类 CURE算法信息熵代表点选取

来源：评论

学校读者我要写书评

暂无评论

基于监督相关分析的LLE Score方法

引用

计算机工程与设计 2017年第7期38卷 1813-1816,1878页

作者：张华锋李波胡洋武汉科技大学计算机科学与技术学院湖北武汉430065 武汉科技大学智能信息处理与实时工业系统湖北省重点实验室湖北武汉430065

通过对肿瘤基因数据中存在的小样本、高维性和噪声冗余等问题的研究,提出一种Wrappers类型的特征选择方法。将样本按照标签进行分类,把具有相同标签的样本放到一个矩阵中;分剐计算这两个基因矩阵的相关矩阵,找出相关性较高的特征集合,... 详细信息

通过对肿瘤基因数据中存在的小样本、高维性和噪声冗余等问题的研究,提出一种Wrappers类型的特征选择方法。将样本按照标签进行分类,把具有相同标签的样本放到一个矩阵中;分剐计算这两个基因矩阵的相关矩阵,找出相关性较高的特征集合,对多个相关矩阵进行相关性分析,找出所有类别中同时与指定特征相关的特征集合;从中选择Score最高的特征,得到特征组合最优的特征子集,缩小特征空间。通过对3个肿瘤数据集进行测试,验证了该方法具有较好的分类效果。

关键词：特征选择相关性分析局部线性嵌入得分评价函数有监督

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：