河南省教育厅科学技术研究重点项目(12A520019)
- 作品数：7 被引量：9H指数：2
- 相关作者：王果戴冬李晓月李吉彪廖建锋更多>>
- 相关机构：河南机电高等专科学校河南经贸职业学院更多>>
- 发文基金：河南省教育厅科学技术研究重点项目教育部人文社会科学研究基金更多>>
- 相关领域：自动化与计算机技术文化科学电子电信更多>>
- 基于课堂的网络协作教学模式探讨——以计算机文化基础为例被引量：1
- 2013年
- 文章在介绍网络协作学习理论的同时,以"计算机文件基础"课程为例,对基于课堂的网络协作教学模式进行了探讨。通过应用Eduprisc数据库技术,构建了网络协作教学支撑平台,实行了立体化的教学资源共享。通过教学实践表明,这种新型教学模式不仅能进一步提高课程的教学质量,还有助于促进人才培养模式的改革。
- 王果李吉彪
- 基于双向热点跟踪的搜索引擎优化模型被引量：3
- 2013年
- 针对目前搜索引擎优化模型的外部热点滥用等问题,提出基于内部客户需求热点和外部搜索引擎热点跟踪的优化模型。给出了该模型的组织结构与运行流程,并阐述内外热点跟踪技术的实施细节。模型中采用聚类算法对客户需求进行处理,并根据其结果进行匹配选择,进而采用反向搜索进行外部热点跟踪,最终实现搜索引擎优化。实验结果证明,该模型能较好地提升网站的搜索引擎排名,并能够提高客户的满意度。
- 王果戴冬
- 关键词：搜索引擎优化客户需求反向搜索
- 融合二维条件熵和脉冲耦合神经网络的图像分割算法被引量：1
- 2013年
- 为了在中强度背景噪声图像分割下提高分割精度和处理速度,提出了一种融合二维条件熵和脉冲耦合神经网络(PCNN)的图像分割算法。该算法在分析PCNN阈值衰减规律的基础上,将原指数形式替换成线性衰减机制,构成线性门限-脉冲耦合神经网络模型,以降低循环迭代的总耗时量。此外,借助能够很好地反映图像边缘细节等局部结构信息的灰度-梯度共生矩阵,将抗噪性能强的条件熵扩展为二维测度,进而形成最大二维条件熵客观判决准则,以获得PCNN的最佳阈值。实验表明,与基于交叉熵的PCNN算法相比,拥有更强的抗噪鲁棒性,同时处理效率也得到明显提升。
- 李晓月王果
- 关键词：脉冲耦合神经网络灰度-梯度共生矩阵
- 高职计算机网络教学应用型改革的研究与实践被引量：3
- 2012年
- 文章针对高职高专的计算机网络教学中所存在的问题,从实际应用出发,从教学模式、教学内容和手段、实践教学等方面对该课程的教学改革进行了深入研究和探讨,提出了一种以培养应用型人才为目标的教学方案,并在实际教学操作中对改进的教学方案进行了验证。
- 王果戴冬
- 关键词：高职
- 基于改进R-LDA的ANN在人脸识别中的研究
- 2013年
- 面部识别(FR)系统可以自动识别或校验从数码相机或图像生成设备中获得的人脸图像。为了做到这点,要从所获图像中提取面部特征,并与人脸数据库中的数据进行比对。目前,几乎所有的FR都面临与面部视角相关的障碍,包括光照不足和低分辨率,这些问题使其识别率大为降低。提出了一种经过全新衡量的标准化参数,它基于FR系统,能够提高在某些环境约束下的识别率。该方法基于常见的正规线性判别分析(R-LDA),并且包含了具有突出分类能力的可以提高人脸识别率的人工神经网络(ANN)。改进的R-LDA算法解决了在所有FR中出现的小样本容量(SSS)问题,同时,ANN对于检测人脸的正面图像很有用处。在ORL及FERET人脸数据库上进行了实验,结果表明,与其它的常用方法相比较,取得了更好的识别效果。
- 王果廖建锋
- 关键词：人脸识别人工神经网络
- 一种基于KPCA-LSSVM的可用带宽在线预测算法
- 2014年
- 针对目前端到端可用带宽预测方面研究工作较少的现状,提出一种基于核主成分分析KPCA(Kernel Principle Component Analysis)和最小二乘支持向量机LSSVM(Least Squares Support Vector Machine)的可用带宽在线预测算法ABOP。在采集网络状态样本数据并对其进行相空间重构的基础上,采用KPCA对数据进行降维降噪处理,最后基于LSSVM对可用带宽进行在线预测。为减小计算开销,提出一种递推计算的方法加快模型更新速度,并采用粒子群优化算法对模型参数进行多步更新,确保了在线预测的时效性。仿真表明,提出的ABOP算法具有较高的预测精度和较快的预测速度,能够满足可用带宽在线预测的要求。
- 戴冬王果
- 关键词：可用带宽核主成分分析最小二乘支持向量机
- 谱聚类划分随机森林算法在图像识别中的应用被引量：1
- 2014年
- 随机森林是近些年发展起来的新集成学习算法,具有较好的分类准确率。针对该算法计算复杂度较高的不足,提出了一种基于谱聚类划分的随机森林算法。首先,利用聚类效果较好的谱聚类算法对原始样本集的每一类进行聚类处理。然后,在每一聚类簇中随机选取一个样本作为代表,组成新训练样本集合。最后,在新训练样本集上训练随机森林分类器。该算法通过谱聚类技术对原始样本进行了初步划分,将位置相近的多个样本用簇内的一个样本代表,较大程度地减少了训练样本的个数。在Corel Image图像识别数据集上的实验表明,算法可以用较少的分类时间达到较高的分类精度。
- 王果李晓月
- 关键词：谱聚类集成学习算法
