检索结果-内蒙古大学图书馆

电子技术与软件工程 2022年第14期 243-246页

作者：张丽梅山西工商学院计算机信息工程学院山西省太原市030000

本文研究在C4烯烃的制备过程中,C4烯烃的选择性和乙醇转化率会受到催化剂组合及温度的影响,因此,研究催化剂组合与温度对于乙醇催化偶合制备C4烯烃具有非常重要的意义和价值。本文的数据依据2021年全国大学生数学建模竞赛B题提供,基于Py... 详细信息

本文研究在C4烯烃的制备过程中,C4烯烃的选择性和乙醇转化率会受到催化剂组合及温度的影响,因此,研究催化剂组合与温度对于乙醇催化偶合制备C4烯烃具有非常重要的意义和价值。本文的数据依据2021年全国大学生数学建模竞赛B题提供,基于Python语言,以催化剂组合的各要素及温度作为输入,建立BP神经网络模型,探究催化剂组合及温度与C4烯烃制备的关系。

关键词： Python BP神经网络模型催化剂组合 C4烯烃

来源：评论

学校读者我要写书评

暂无评论

基于图聚类与蚁群算法的社交网络聚类算法

引用

计算机应用研究 2020年第6期37卷 1670-1674,1687页

作者：叶小莺万梅唐蓉谢云陈桂宏李强广东东软学院计算机科学与技术系广东佛山528225 广州工商学院计算机科学与工程系广州510850 重庆市九龙坡区精神卫生中心重庆400052 中山大学电子与信息工程学院广州510006

针对社交网络中社交关系的有向性与多样性,提出了一种基于图聚类与蚁群算法的社交网络聚类算法。首先,在网络覆盖率的约束下为社交网络建立有向、非全连接的二维图模型;然后,采用K-medoids算法搜索用户分组的中心用户,采用人工蚁群算法... 详细信息

针对社交网络中社交关系的有向性与多样性,提出了一种基于图聚类与蚁群算法的社交网络聚类算法。首先,在网络覆盖率的约束下为社交网络建立有向、非全连接的二维图模型;然后,采用K-medoids算法搜索用户分组的中心用户,采用人工蚁群算法在2D图中搜索各个用户与中心用户的相似性,将满足相似性阈值的用户分为同一个用户组。设计了低活跃用户的预测机制解决网络的稀疏性问题与冷启动问题。此外,通过网络覆盖率的约束条件权衡聚类准确率与覆盖率两个指标。仿真实验结果表明,该算法实现了较好的社交网络聚类性能,并且有效地缓解了稀疏性问题与冷启动问题。

关键词：社交网络数据挖掘聚类处理人工蚁群优化图聚类信任信息

来源：评论

学校读者我要写书评

暂无评论

复合决策粗糙建模与计算方法研究

引用

计算机工程与应用 2018年第19期54卷 122-128页

作者：汪琳娜杨新杨习贝四川工商学院电子信息工程学院成都611745 Department of Computer Science University of Regina 西南交通大学信息科学与技术学院成都611756 江苏科技大学计算机科学与工程学院江苏镇江212003

经典决策粗糙集缺乏处理多种类型共存的复杂数据的能力。为解决该问题,首先通过融合的技术手段提出量化复合关系,并验证了量化复合关系是交-复合关系和并-复合关系的推广形式,然后在此基础上构建了相应的决策粗糙集模型。最后借助矩阵... 详细信息

经典决策粗糙集缺乏处理多种类型共存的复杂数据的能力。为解决该问题,首先通过融合的技术手段提出量化复合关系,并验证了量化复合关系是交-复合关系和并-复合关系的推广形式,然后在此基础上构建了相应的决策粗糙集模型。最后借助矩阵运算直观地描述了复合关系的融合过程,并给出了求解决策粗糙近似集的新方法。在UCI数据集上的实验结果表明该模型和方法有效且稳定。

关键词：复杂数据决策粗糙集量化复合关系矩阵运算

来源：评论

学校读者我要写书评

暂无评论

基于OO的CIMS信息分类编码研究

引用

南京航空航天大学学报 2000年第6期32卷 631-636页

作者：皮德常张凤林丁宗红王宁生南京航空航天大学计算机科学与工程系南京210016 南京航空航天大学工商学院南京210016 南京航空航天大学机电工程学院南京210016

通过分析国内外现有各分类编码系统以及 CIMS对信息集成的要求 ,结合面向对象 (Ob-ject- oriented,OO)方法提出了一种面向 CIMS各环节的分类编码结构模型 FCC。该模型由复杂对象 O和施加于 O上的操作 M构成 ,其中 O可描述为一个三元组 ... 详细信息

通过分析国内外现有各分类编码系统以及 CIMS对信息集成的要求 ,结合面向对象 (Ob-ject- oriented,OO)方法提出了一种面向 CIMS各环节的分类编码结构模型 FCC。该模型由复杂对象 O和施加于 O上的操作 M构成 ,其中 O可描述为一个三元组 ,用于类别标识 ,事物特征描述和图形特征描述。类别标识项是一个可用二元组描述的复杂对象 ;图形特征项是一个四元组 ,描述了图形标识 ,图形符号 ,图形特征数据和图形文件 ;为描述 FCC结构引入了属性域连接和超类/子类连接 ,并将该 OO复杂模型扁平化为一个由类别标识 ,对象注册码和特征描述码组成的关系。采用关系方式实现系统底层为编码系统与其他已有系统兼容提供了可能 ,为 CIMS中信息交换 ,数据共享提供了保证。最后指出该模型具有多级、不确定层次、柔性和面向对象特征的特点 ,能有效地解决

关键词：编码面向对象信息分类计算机集成制造 CIMS

来源：评论

学校读者我要写书评

暂无评论

基于多示例深度学习与损失函数优化的交通标志识别算法

引用

现代电子技术 2018年第15期41卷 133-136,140页

作者：张永雄王亮明李东华南理工大学软件学院广东广州510006 广州工商学院广东广州510850 华南理工大学计算机科学与工程学院广东广州510006

为了解决当前交通标志种类繁多和所处环境多变,导致智能识别正确率不高的问题,提出基于多示例深度学习的交通标志识别算法。根据样本图像块与其对应的标签设计一个包含颜色、几何、区域特征的训练集,得到样本特征与标签的对应规律;根据... 详细信息

为了解决当前交通标志种类繁多和所处环境多变,导致智能识别正确率不高的问题,提出基于多示例深度学习的交通标志识别算法。根据样本图像块与其对应的标签设计一个包含颜色、几何、区域特征的训练集,得到样本特征与标签的对应规律;根据权重修正反馈,推导包与标签的逻辑关系,建立多示例训练学习算子,准确分类交通标志。进行训练集损失函数计算,通过最优分类器响应减少训练数据损失。最后,基于大数据样本驱动形成背景约束,从而去除示例中模棱两可的训练数据,完成交通标志的准确识别。基于QT平台,开发相应的识别软件。实验测试结果显示,与当前交通标志识别技术相比,所提算法拥有更高的识别正确性与鲁棒性,且对各类交通标志具有较高的识别准确率,在智能汽车、自动交通监控等领域具有一定的应用价值。

关键词：交通标志识别损失函数优化训练集多示例深度学习背景约束

来源：评论

学校读者我要写书评

暂无评论

结合LDA与Word2vec的文本语义增强方法

引用

计算机工程与应用 2022年第13期58卷 135-145页

作者：唐焕玲卫红敏王育林朱辉窦全胜山东工商学院计算机科学与技术学院山东烟台264005 山东省高等学校协同创新中心:未来智能计算山东烟台264005 山东省高校智能信息处理重点实验室(山东工商学院) 山东烟台264005 山东工商学院信息与电子工程学院山东烟台264005 上海绘话智能科技有限公司上海200120

文本的语义表示是自然语言处理和机器学习领域的研究难点,针对目前文本表示中的语义缺失问题,基于LDA主题模型和Word2vec模型,提出一种新的文本语义增强方法Sem2vec(semantic to vector)模型。该模型利用LDA主题模型获得单词的主题分布... 详细信息

文本的语义表示是自然语言处理和机器学习领域的研究难点,针对目前文本表示中的语义缺失问题,基于LDA主题模型和Word2vec模型,提出一种新的文本语义增强方法Sem2vec(semantic to vector)模型。该模型利用LDA主题模型获得单词的主题分布,计算单词与其上下文词的主题相似度,作为主题语义信息融入到词向量中,代替one-hot向量输入至Sem2vec模型,在最大化对数似然目标函数约束下,训练Sem2vec模型的最优参数,最终输出增强的语义词向量表示,并进一步得到文本的语义增强表示。在不同数据集上的实验结果表明,相比其他经典模型,Sem2vec模型的语义词向量之间的语义相似度计算更为准确。另外,根据Sem2vec模型得到的文本语义向量,在多种文本分类算法上的分类结果,较其他经典模型可以提升0.58%~3.5%,同时也提升了时间性能。

关键词： LDA主题模型 Word2vec模型语义词向量语义相似度文本分类

来源：评论

学校读者我要写书评

暂无评论

基于鲁棒自适应归一化卷积的遥感图像融合算法

引用

西南师范大学学报（自然科学版） 2021年第1期46卷 13-18页

作者：郭玥朱齐亮山西工商学院计算机信息工程学院太原030006 华北水利水电大学信息工程学院郑州400045

针对当前遥感图像融合中容易出现光谱信息失真和边缘细节丢失的问题,提出一种基于鲁棒自适应归一化卷积的全色与多光谱图像融合算法.该方法基于归一化卷积思想,利用投影到子空间的局部信号逼近技术对不规则采样数据进行高分辨率图像重建... 详细信息

针对当前遥感图像融合中容易出现光谱信息失真和边缘细节丢失的问题,提出一种基于鲁棒自适应归一化卷积的全色与多光谱图像融合算法.该方法基于归一化卷积思想,利用投影到子空间的局部信号逼近技术对不规则采样数据进行高分辨率图像重建,自适应归一化卷积中使用的窗函数通过对更多相同意义的样本进行分组,有助于改进分析和提高信噪比,减少不连续面的扩散.实验结果表明,相对于其他优秀融合方法,本文方法更具优势,能够更好地重建光谱信息和保留边缘细节.

关键词：图像融合归一化卷积自适应函数遥感图像

来源：评论

学校读者我要写书评

暂无评论

一种深度学习批规范化改进算法

引用

计算机系统应用 2020年第4期29卷 187-194页

作者：罗国强李家华左文涛广州科技职业技术大学信息工程学院广州510550 广州工商学院计算机科学与工程系广州510850

现实中采集的数据由于需要适应实际工程需求以及数据细粒度信息的分类形式多样,样本数据间很难保持完全的独立同分布.而非独立同分布数据会严重降低深度神经网络模型训练的鲁棒性以及特定任务上的泛化性能.为了降低非独立同分布数据在... 详细信息

现实中采集的数据由于需要适应实际工程需求以及数据细粒度信息的分类形式多样,样本数据间很难保持完全的独立同分布.而非独立同分布数据会严重降低深度神经网络模型训练的鲁棒性以及特定任务上的泛化性能.为了降低非独立同分布数据在模型训练和推断过程中的不良影响,提出一种批规范化的改进算法.该算法在神经网络模型训练开始前从数据集中取出一小批量数据做批规范化,求解出的均值与方差作为参考值用来更新训练时的其他批量数据.实验结果表明,该改进算法一定程度上能够加快神经网络模型训练收敛,相对于BN算法,分类错误率降低了0.3%,提高了神经网络模型训练的鲁棒性.在目标检测和实例分割任务上,应用该改进算法的预训练模型能够有效提高某些检测算法的泛化性能.

关键词：深度学习批规范化独立同分布鲁棒性泛化性

来源：评论

学校读者我要写书评

暂无评论

***/c#实现excel与SQL Server数据迁移技术研究

引用

福建电脑 2008年第3期24卷 184-184,212页

作者：王平勤董付国山东工商学院计算机基础教学部山东烟台264005 山东工商学院信息与电子工程学院山东烟台264005

研究了Excel与SQL Server数据库之间的数据迁移技术。SQL Server数据库系统提供了数据的集中管理功能,方便了数据的查询与操作,并保证了数据的安全性,而Excel文件对于跨系统的数据交换提供了较大的方便。结合Excel文件和SQL Server数据... 详细信息

研究了Excel与SQL Server数据库之间的数据迁移技术。SQL Server数据库系统提供了数据的集中管理功能,方便了数据的查询与操作,并保证了数据的安全性,而Excel文件对于跨系统的数据交换提供了较大的方便。结合Excel文件和SQL Server数据库的优点而摒弃各自的缺点,对管理信息系统开发有重要的意义。

关键词：数据迁移 Excel SQL server 数据库

来源：评论

学校读者我要写书评

暂无评论

基于云计算技术的远程节能控制平台系统的设计

引用

计算机测量与控制 2018年第10期26卷 76-80页

作者：唐超卢鹏广州工商学院计算机科学与工程系广州510800 广州城建职业学院信息工程学院广州510925

针对现代生活及工业用电过程中导致的电能浪费及用电危险,基于计算机技术进行远程节能控制平台系统的设计;使用单片机、PC机及传感器对电路进行控制,利用RS总线实现电路的控制,以多种测试标准模式进行实验,并且全面检测实验室中的数据... 详细信息

针对现代生活及工业用电过程中导致的电能浪费及用电危险,基于计算机技术进行远程节能控制平台系统的设计;使用单片机、PC机及传感器对电路进行控制,利用RS总线实现电路的控制,以多种测试标准模式进行实验,并且全面检测实验室中的数据及事件,之后自动得到其中的实验数据及报表等报告,以此有效提高电气的自动化管理;通过实验可以看出来,远程控制平台系统能够有效实现电器的自动控制以及全天无人看守的远程控制管理。

关键词：远程节能控制平台云计算

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：