公共文化服务平台

李霞: 作品数：236 被引量：706H指数：14; 供职机构：深圳大学更多>>; 发文基金：国家自然科学基金广东省自然科学基金国家教育部博士点基金更多>>; 相关领域：自动化与计算机技术电子电信医药卫生理学更多>>

合作作者

具有三级索引结构的海图数据库及其数据读取方法: 本发明涉及海图数据索引，尤其涉及一种具有三级索引结构的海图数据库及其数据读取方法。本发明在海图数据库中设计海图索引，通过海图索引可检索到海图。同时，设计了各海图的内部索引，内部索引包括对应海图内的物标分类索引及物标索引，...; 王娜钟国权李霞徐滔

气液两相流ERT系统图像边缘检测方法研究被引量：5: 2005年; 为提高气液两相流ERT(ElectricalResistanceTomography-电阻层析成像)系统所重建图像的质量,提出了一种基于Canny算子的气泡边缘检测方法。实验结果表明,该方法能有效地检测出气液两相流中气泡的边缘,为进一步的ERT系统检测提供了借鉴。; 李霞冀海峰黄志尧李海青; 关键词：电阻层析成像边缘检测 CANNY算子图像处理

一种带融合操作的实数多种群遗传算法被引量：3: 2005年; 提出了一种带融合操作的实数多种群遗传算法。该算法由多个种群组成,根据各个种群中最优个体的适应值及其成长性优化计算资源分配;引入融合操作,利用各种群中的最优个体产生新个体,取代各种群中的最差个体,改善种群的遗传进程。实例计算表明该算法是有效的。; 蔡良伟李霞; 关键词：实数多种群遗传算法

基于自适应蚁群优化的矢量量化码书设计算法: 本文提出一种基于自适应蚁群优化的矢量量化码书设计算法。该算法利用人工蚁群系统中蚂蚁通过信息量留存寻找最优路径的机制,合理设计转移概率、禁忌列表、信息量更新方式及自适应地调整截取转移概率的参数。实验结果表明,该算法能获得质...; 罗雪晖李霞张基宏; 关键词：矢量量化码书设计模拟进化算法蚁群算法; 文献传递

基于特征子空间邻域的局部保持流形学习算法被引量：1: 2012年; 局部保持流形学习算法通过保持局部邻域特性来挖掘隐藏在高维数据中的内在流形结构。然而,对于缺乏足够训练样本的高维数据集,或者高维数据集存在非线性结构和高维数据特征中存在冗余、干扰特征,使得在原特征空间中利用欧式距离定义的邻域关系并不能真实反映数据的内在流形结构,从而影响算法的性能。提出利用正约束寻找特征子空间的方法,使得在此子空间中更多的同类样本紧聚,并进一步在该子空间中构建邻域关系来挖掘高维数据的内在流形,形成基于特征子空间邻域特性的局部保持流形学习算法(NFS-LPP和NFS-NPE)。它们在一定程度上克服了高维小样本数据集难以正确挖掘内在流形结构的问题,在Yale和ORL人脸库上的分类和聚类实验验证了其有效性。; 王娜李霞刘国胜; 关键词：特征子空间流形学习

利用冲突信息降维的进化高维目标优化算法被引量：10: 2017年; 进化多目标优化算法求解高维目标优化问题面临收敛能力、计算复杂度、决策以及Pareto前沿的可视化等困难,其根本原因是目标空间维数高。目标降维通过丢弃冗余目标,为缓解高维目标优化求解困难提供一种新思路。本文提出利用冲突信息降维的分解进化高维目标优化算法(CIOR-MOEA/D)。该方法通过衡量目标在近似解集上体现的冲突性,构造问题的冲突信息矩阵,对该矩阵进行特征分析,确定目标的重要性程度,实现维数约简,并利用分解进化多目标优化算法(MOEA/D)对重要子目标集合进行分解进化,从而得到问题的近似解集。实验结果表明,本文提出的目标降维算法在降维的准确性与鲁棒性上均表现突出,能够有效地处理冗余高维目标优化问题。; 罗乃丽李霞王娜; 关键词：多目标进化算法

一种基于深度神经网络的人体行为识别方法及识别系统: 本发明提供了一种基于深度神经网络的人体行为识别方法，包括：获取行为人的原始深度数据流；通过行为人的原始深度数据流提取人体的骨架关节点数据；利用提取到的人体骨架关节点数据所对应的三维坐标，来对整个人体建模；通过对整个人体建...; 陈亮龙伟王娜李霞; 文献传递

基于鲁棒等度规特征映射的非线性降维算法(英文): 2007年; 采用核方法在特征空间推导出一类异于欧氏距离的新度量,代替等度规特征映射(Isomap)中的对噪声敏感的欧式距离,用新度量构造测地距离和相应的最小近邻图,提高Isomap算法的抗噪声能力.利用含噪声的Swiss roll数据和人脸图像数据进行实验验证,结果表明这种基于核特征空间的测地距离具有较强的鲁棒性.; 王娜李霞; 关键词：非线性降维多维尺度分析

基于DNN算法的移动视频推荐策略被引量：14: 2016年; 该文针对移动互联网在线视频服务个性化视频推荐问题,提出了一种基于深度学习(Deep learning)模型的内容推荐策略.深度学习在图像、语音和自然语言处理等领域获得的突破性进展,为在线视频服务的推荐策略研究提供了基础.该文工作通过在传统基于内容推荐的基础上,引入深度神经网络(Deep Neural Network,DNN)词向量方法,根据视频的媒资信息和用户的历史行为,将视频特征和用户特征映射在高维向量空间.在构建用户正负行为与视频向量的余弦距离模型基础上,筛选过滤对所推荐视频感兴趣的用户群,并通过移动互联网应用的消息推送功能提示移动终端用户观看所推荐的内容.基于在大规模移动视频服务系统中的离线和在线实验,该文所提出的基于DNN算法的推荐策略,相比随机方法、ContentKNN以及ItemCF等算法,在点击率方面平均分别获得106%、41%和57%的相对提升,在覆盖率方面一定程度上避免了推送活跃用户的偏颇问题,从整体上得到了较好的推荐效果.; 陈亮汪景福王娜李霞; 关键词：移动互联网