江南大学数字媒体学院
- 作品数：1,007 被引量：3,467H指数：20
- 相关作者：王士同陈伟刘渊陈秀宏邓赵红更多>>
- 相关机构：湖州师范学院信息与工程学院常熟理工学院计算机科学与工程学院江阴职业技术学院计算机科学系更多>>
- 发文基金：国家自然科学基金江苏省自然科学基金中央高校基本科研业务费专项资金更多>>
- 相关领域：自动化与计算机技术艺术文化科学电子电信更多>>
- “微时代”下市民生活习俗的变迁被引量：3
- 2012年
- 随着数字信息技术的发展、中外文化的交融、经济的全球化发展,我国都市市民的生活习俗发生了重大变革。结合数字媒体的发展,从分析影响都市市民生活习俗变迁的经济、科技、文化、社会等内在动因入手,探究都市市民习俗变迁的衣食住行及休闲娱乐等方面的外在体现,并在此基础上提出在"微时代"背景下的都市市民生活习俗,正在经历着向网络化、数字化转变的历程,呈现出个性化、多元化和开放性的特征以及虚拟化、体验化、兼容并蓄、全方位共享的趋势。
- 殷俊喻婷
- 关键词：都市民俗市民生活习俗
- 基于迁移学习和D-S理论的网络异常检测被引量：21
- 2016年
- 对于分布不同或分布相似的未知类型的网络攻击,目前的异常检测技术往往不能达到预期的效果。针对上述问题,研究了一种基于迁移技术和D-S证据理论的网络异常检测方法。首先用迁移学习方法对已知网络攻击进行建模,此模型在构建时考虑了不同分布的异常攻击间的差异;然后用其训练得到的分类器对未知的网络行为进行分析,结合D-S证据理论,可以检测出分布不一致的未知攻击类型。实验结果表明,该方法泛化了传统的网络异常检测技术,对未知的网络异常有着较高的检测率。
- 赵新杰刘渊孙剑
- 关键词：D-S理论数据融合
- 数字化城市公共艺术的交互设计研究
- 本文以"数字化城市公共艺术的交互设计"为研究目标,对基于数字化手段表现的公共艺术案例的理论与方法进行系统研究,寻求数字化影响下的城市公共艺术的交互性特征,探索城市公共艺术未来新的发展趋势与创作手法,为城市公共艺术的发展提...
- 王峰过伟敏
- 关键词：数字化艺术城市公共艺术
- 文献传递
- 基于拓扑抽象的高性能网络模拟方法被引量：3
- 2012年
- 为提升网络模拟性能,提出了基于拓扑抽象的网络模拟方法。该方法对大规模网络拓扑进行抽象,形成小规模网络拓扑;通过对该小规模拓扑的模拟结果进行分析,形成原始大规模拓扑的模拟结果。理论证明了该方法能保证路由器队列长度、丢包率、数据包转发时延、TCP流量速率等瞬时网络行为参数的模拟真实性。通过基于NS2的实验结果表明,当拓扑抽象度达到16时,相对于传统的网络模拟,该方法降低模拟运行时间98%以上,而网络行为模拟结果仍具有较高的真实性。
- 王晓锋关鹭刘渊
- 关键词：网络模拟
- 一种综合-合作学习的量子粒子群优化算法被引量：2
- 2014年
- 为了改善量子粒子群优化QPSO(Quantum-behaved Particle Swarm Optimization)算法的全局收敛能力,在对综合学习策略QPSO算法研究的基础上,引入合作思想,提出综合-合作QPSO算法(CCQPSO)。在提出的算法中,局部吸引子和粒子最优位置的更新都体现在每一个具体的维度上,避免丢失解向量中最接近最优解的部分维。九个测试函数的仿真实验结果表明,提出的算法能够有效增加群体多样性,改善算法的早熟收敛。
- 赵晶孙俊须文波
- 关键词：粒子群优化量子行为粒子群优化
- 基于ISE的核密度估计和随机置换的单一或协同特征的选择方法被引量：1
- 2015年
- 针对数据的特征存在单一和协同特征的选择问题,基于平方误差标准核密度估计和随机置换理论,首先提出一种针对单一特征的特征选择方法 (FSKDE-RP);然后,针对协同特征的情况,通过拓展随机置换理论,提出多维协同特征选择算法(SFSKDE-MRP),并利用核神经网络(KNN)分类器的分类精度选择最优特征子集.在模拟数据和真实数据集上的实验结果表明了所提出算法的有效性.
- 张景祥王士同蒋亦樟倪彤光
- 关键词：核密度估计平方误差
- 服饰类博物馆展示中的交互设计被引量：1
- 2013年
- 服饰博物馆作为主题博物馆的一个重要类别,记录着人们着装的演变。然而由于纺织品的特殊属性,在展出的时候有诸多弊端,存在重藏轻用的现象,在服饰博物馆的展示中加入交互设计,并坚持以"智能交互"和"共生互动"为设计理念,通过"人机交互"、"人物交互"、"人景交互"等手段可以给参观者提供方便灵活的人性化多元信息服务,从而使服饰博物馆可以更好地实现服饰收藏与文化展示的功能。
- 黄晔蕾张慧
- 关键词：视觉艺术交互设计数字化
- 在大规模数据集上进行快速自适应同步聚类被引量：11
- 2014年
- 现有的同步聚类方法Sync在同步过程中需要将样本中的每一个分量看作相位振子进行计算,具有较高的时间复杂度,因此在大规模数据集上聚类时具有相当大的局限性.为了解决这一问题,提出了快速自适应同步聚类方法(fast adaptive KDE-based clustering by synchronization,FAKCS).FAKCS首先引入基于压缩集密度估计和中心约束最小包含球技术的快速压缩方法对大规模数据集进行压缩,然后通过使用Davies-Bouldin指标,在压缩集上进行ε参数自适应的同步聚类,并采用新定义的序列参量来评价局部同步的程度.另外,研究了序列参量和核密度估计间的联系,从理论上揭示了样本点的局部同步在概率密度意义下的本质.FAKCS可以在大规模数据集上得到任意形状、个数、密度的聚类而无需预设聚类数目.在图像分割和大规模UCI数据集上的实验验证了FAKCS的有效性.
- 应文豪许敏王士同邓赵红
- 关键词：核密度估计聚类
- 特征聚类自适应变组稀疏自编码网络及图像识别被引量：4
- 2018年
- 由于缺乏先验信息,组Lasso模型在训练时仅是基于组数参数对单元进行均匀、连续、固定的分组,缺乏分组依据,容易造成变量组结构的有偏估计。为此,提出特征聚类自适应变组稀疏自编码网络模型,在迭代过程中使用特征聚类法来改变隐层单元的分组,使得分组能够随着特征的收敛而自适应地发生改变,从而更好地实现变量组结构的估计。实验表明,该模型能够很好地捕捉训练过程中出现的组相关信息,并在一定程度上提高图像的分类识别率。
- 肖汉雄陈秀宏田进
- 关键词：特征聚类自适应
- 逐层可加的急速学习机被引量：1
- 2016年
- 已有的急速学习机(Extreme Learning Machine)的学习精度受隐节点数目的影响很大。无论是已提出的单隐层急速学习机还是多隐层神经网络,都是先确定隐藏层数,再通过增加每一层的神经元个数来提高精度。但当训练集规模很大时,往往需要引入很多的隐节点,导致违逆矩阵计算复杂度大,从而不利于学习效率的提高。提出逐层可加的急速学习机MHL-ELM(Extreme Learning Machine with Incremental Hidden Layers),其思想是首先对当前隐藏层神经元(数目不大且不寻优,因而复杂度小)的权值进行随机赋值,用ELM思想求出逼近误差;若误差达不到要求,再增加一个隐含层。然后运用ELM的思想对当前隐含层优化。逐渐增加隐含层,直至满足误差精度为止。除此以外,MHL-ELM的算法复杂度为Σi=1MO(N_l^3)。实验使用10个UCI,keel真实数据集,通过与BP,OP-ELM等传统方法进行比较,表明MHL-ELM学习方法具有更好的泛化性,在学习精度和学习速度方面都有很大的提升。
- 郑雪辉王士同许小龙
