公共文化服务平台

一种基于改进蚁群算法的山地三维路径规划算法被引量：1: 2014年; 当前社会,很多用户需要在复杂的没有公路的山地地形,快速、准确的规划出三维路径,在避过障碍的同时达到某项指标最优。目前常用的路径规划算法,大多数只能规划二维平面路径;而一般的三维规划算法,大多运算算法复杂、需要很大的存储空间,同时无法在宏观全局角度来进行路径规划。文章在已有三维山地地图的基础上,采用一种改进的蚁群算法来解决上述问题。软件仿真结果显示,基于改进蚁群算法的山地三维路径规划算法在路径最优值计算和规划时间上都能够较好的满足需求。; 黄劲潮; 关键词：蚁群算法山地

模糊神经网络在高层建筑地基沉降量预测中的应用: 2016年; 介绍了模糊逻辑与模糊神经网络的基本原理,推导了一种基于矩阵运算的模糊神经网络编程方法;根据该方法编写了预测地基沉降量的MATLAB程序。结果表明,模糊神经网络与BP神经网络、灰色方法相比,具有很强的预测能力,而且具有很快的收敛速度。; 黄劲潮黄志强; 关键词：模糊神经网络高层建筑地基沉降

应用型本科院校数据库课程教学改革探索被引量：2: 2016年; 根据应用型本科院校数学与计算机相关专业数据库原理与应用课程的教学现状,从地域产业特点出发,提出基于企业需求的课程教学体系改革:优化教学内容,完备知识体系;实验教学采用"项目导向,任务驱动"模式;改进教学形式、手段以及考核方式等,以利于提高学科实践教学质量和学生的综合能力。; 黄劲潮陈雪云; 关键词：应用型本科数据库教学改革

小波神经网络在电力负荷预测中的应用被引量：2: 2016年; 针对BP神经网络的问题与不足,提出小波神经网络电力负荷预测模型。仿真实验结果表明,小波神经网络可根据信号的时频特性进行动态调整,有利于减少权值参数,缩短训练时间,在隐节点数目和所需训练样本等方面都表现出很大的优越性,对于电力负荷预测具有较高的精度,是可行的。; 黄劲潮; 关键词：小波神经网络电力负荷

基于广义回归神经网络的薄荷属植物的分类识别: 2015年; 薄荷属植物易杂交以致多型性现象严重,对于薄荷属植物的分类主要采用分类检索表法或数量分类法等,但这些方法花费的时间与物力较大。选取了薄荷属植物类别区分的一些强相关属性作为训练组,构建了广义回归神经网络来对薄荷属植物进行分类、识别,在保证准确度的同时也兼顾了识别的速度。同时,该模型也可用来识别薄荷属植物的某种属性是否与类别区分强相关。; 黄劲潮; 关键词：GRNN 薄荷属

灰色神经网络在空调订单预报中的应用被引量：1: 2016年; 将灰色系统与神经网络融合,建立了GM(1,N)灰色神经网络基本模型,推导了相应的编程算法,以空调订单的预报为例,利用MATLAB对GM(l,N)灰色神经网络模型进行编程.程序运行结果表明,灰色神经网络模型在少样本情况下也可以达到较高精度,且误差可控,可以作为空调订单预报的有效工具.; 黄劲潮; 关键词：神经网络

基于Ajax的新闻搜索引擎被引量：2: 2008年; Ajax是Web2.0的核心技术之一,但它并不是一门新的语言或技术,实际上是几种已经在各自领域大行其道技术的强强结合,基于Ajax可以构建出更为动态和响应更为灵敏的Web应用程序。文章给出了AJAX的概念、特点,介绍了其中的关键技术,并以"新闻搜索引擎"为实例,探讨Ajax在Web开发中的应用。; 黄劲潮; 关键词：AJAX JAVASCRIPT XML

基于项目教学法的多媒体技术课程建设研究被引量：3: 2014年; 针对多媒体技术课程涉及面较广、实用性很强,要求注重学生的实践应用能力培养的特点以及我校"应用型高校"的办学理念。以永定土楼展示系统为例,将项目教学法应用于多媒体技术课程的建设过程中,从而激发学生学习兴趣,提高学生解决实际问题和团队协作的能力。从本校2008级计算机专业学生在实训周的表现验证了该方法的有效性。; 陈雪云黄劲潮; 关键词：项目教学法课程建设多媒体技术

基于颜色分割和HOG学习机制的人脸检测: 2010年; 人脸检测在信息安全和处理等应用领域起到很重要的作用。提出了一种鲁棒的人脸检测算法。该算法结合了基于颜色分割的粗定位过程和基于Histogram of Oriented Gradient(HOG)特征的人脸精确定位过程。粗定位利用人脸的颜色特征,采用基于YCbCr空间的颜色分割方法,获得图像中有可能包含人脸的图像子区域;精确定位则采用HOG特征,并利用SVM进行分类,得到人脸的准确位置。实验证明我们的方法对不同亮度、各种年龄及性别、表情变化及部分遮挡的人脸都具有很强的鲁棒性。; 卢盛荣陈雪云黄劲潮; 关键词：人脸检测 HOG

基于快速区域建议网络的图像多目标分割算法: 2018年; 针对传统方法在语义分割中存在大量冗余、结果重叠,造成图像分割算法的结果正确率、鲁棒性较差等问题,提出一种基于快速区域建议网络的图像多目标分割算法。使用选择性搜索(selective search,SS)算法给出初始候选框;采用快速区域建议网络从初始候选框中分类出初始分割框;使用图割算法(Grab Cut)从初始分割框中分割出多目标。为了验证本研究算法,采用Image Net上预训练的VGG16模型,分别使用COCO数据集和City Scapes数据集的训练数据对VGG16模型微调,使用测试数据进行语义分割和多目标图像分割。与YOLO(you only look once,)算法相比,本算法在两个数据集上的平均正确率分别提高了2.16%和1.55%。Grab Cut算法在快速区域建议网络的初始分割框上,对多目标的分割更精确,鲁棒性更强。本研究构建的算法通过区域建议网络的得分筛选多目标分割的候选框,保留高得分的候选框来提升图像多目标分割的精度,在多目标的模式识别场合中拥有广泛前景。; 黄劲潮; 关键词：SELECTIVE 多目标分割图像分割

渝B2-20050021-1　渝公网安备 50019002500403号　违法和不良信息举报中心　互联网出版许可证　新出网证(渝)字10号

黄劲潮