孔兵
- 作品数：36 被引量：67H指数：4
- 供职机构：云南大学信息学院更多>>
- 发文基金：国家自然科学基金云南省自然科学基金云南省教育厅科学研究基金更多>>
- 相关领域：自动化与计算机技术文化科学更多>>
- 一种模糊对象的极大co-location模式挖掘算法
- 空间co-location模式表示的是空间对象的实例在一个相同的区域内频繁地空间并置。人们已经对确定和不确定数据co-location模式挖掘做了很多工作，也有很多成果，但对极大co-location模式挖掘研究较少，特...
- 温佛生肖清王丽珍孔兵
- 面向对象程序设计教学改革与探索被引量：3
- 2014年
- 针对面向对象程序设计课程教学中存在的问题,从课程设置、理论课教学、实践课改革等方面提出改革基本思路、原因和改革方法。
- 袁国武张学杰孔兵丁海燕杨军
- 关键词：面向对象程序设计教学改革JAVA
- 形式化软件功能分解的交互式规则被引量：1
- 2000年
- 形式化功能分解是软件形式化设计的基本手段。文章基于前后断言形式定义的软件功能，提出了一组将该功能定义分解为3种基本控制结构之一的交互式分解规则，并证明了这组分解规则的正确性。分解规则构成的规则库是支持软件形式化设计的知识库的重要组成部分。
- 李彤王黎霞柳青孔兵
- 关键词：面向对象形式化软件
- 基于边际性价比的收益影响力最大化算法
- 2022年
- 传统的影响力最大化算法忽视了病毒式营销过程中的商业收益问题.现实营销中,商家更加关注如何使用一个固定预算,在合理的时间内选出种子集,最大化营销收益.为了解决这个问题,提出一种高效的启发式算法.首先,定义边际性价比衡量用户节点的重要性;其次,分析出贪心算法的节点选取结果为一个自洽序列,提出MCPR(Marginal Cost Performance Ranking)算法,迭代逼近一个近似自洽排序,以追求贪心算法的效果;最后,采用性价比向前分配策略估计节点边际性价比,加速算法迭代.在3个真实社会网络上进行大量实验,结果表明MCPR能够取得与贪心算法近似的结果,但算法效率远高于贪心算法.
- 王思诚孔兵包崇明周丽华王崇云
- 关键词：社交网络病毒式营销
- 交互式环境下基于知识的形式化软件设计技术被引量：2
- 2000年
- 提出了一种将前后断言形式定义的非过程化的软件功能转换为过程化算法描述的技术。在由范例库、基元库和规则库构成的知识库支持下，交互式地不断分解细化软件功能，直至所有的功能定义都能由基元库中的语义子程序转换为算法性的目标代码为止。设计过程由分解树来描述。
- 李彤柳青孔兵王黎霞
- 关键词：知识库分解树
- Linux应用软件开发技术研究
- 李彤张思信孙玉芳吴健柳青赵振华欧阳鑫郝林孔兵王黎霞张国生
- 目前，国内外尚未见到从Windows到Linux的自动移植工具软件，亦未见到类似的辅助移植工具软件和较为系统的类似技术的报道。该项目的实施有效缓解了国产Linux操作系统上优秀应用软件缺乏与进一步推广国产Linux操作系...
- 关键词：
- 关键词：LINUX软件开发技术
- 类不平衡数据的EM聚类过采样算法被引量：3
- 2023年
- 针对分类任务中的不平衡数据集造成的分类性能低下的问题,提出了类不平衡数据的EM聚类过采样算法,通过过采样提高少数类样本数量,从根本上解决数据不平衡问题。首先,算法采用聚类技术,通过欧式距离衡量样本间的相似度,选取每个聚类簇的中心点作为过采样点,一定程度解决了样本的重要程度不够的问题;其次,通过直接在少数类样本空间上进行采样,可较好解决SMOTE、Cluster-SMOTE等方法对聚类空间没有针对性的问题;同时,通过对少数类样本数量的30%进行过采样,有效解决基于Cluster聚类的欠采样盲目追求两类样本数量平衡和SMOTE等算法没有明确采样率的问题。在公开的24个类不平衡数据集上进行了实验,验证了方法的有效性。
- 谢子鹏包崇明周丽华王崇云孔兵
- 关键词：不平衡数据集过采样聚类
- 浅谈“数据库设计及应用”双语教学的探索与实践被引量：3
- 2006年
- 在"数据库设计及应用"课程的双语教学过程中,我们基于该课程本身及学生的特点,研究和探索了一系列措施和手段,并进行了实践.本文结合对学生的问卷调查结果,阐述了教学过程中主要的探索和实践,并作了深入分析.
- 岳昆孔兵
- 关键词：双语教学问卷调查
- 并行开发的控制模型被引量：1
- 2000年
- 软件开发过程的并行化是缩短软件开发周期和降低开发成本的有效途径 .结合OO技术 ,引入Petri网模型作为建模工具 ,提出了C
- 孔兵李彤王伟柳青
- 关键词：PETRI网软件开发
- 基于LDA-DeepHawkes模型的信息级联预测被引量：4
- 2020年
- 基于信息早期的传播特征来预测其未来的传播范围具有广泛的应用价值。DeepHawkes模型将Hawkes模型与深度学习相结合,不仅继承了Hawkes模型能够表征和建模信息扩散过程的高度可解释性,又具备深度学习自主学习流行度预测隐含特征的高准确预测能力,弥合了传统方法中信息级联的预测与理解之间的间隙。然而,DeepHawkes模型忽略了信息本身的文本内容对于传播的影响。在DeepHawkes模型的基础上提出了既考虑级联的因素又考虑文本内容的LDA-DeepHawkes模型,更加全面地建模信息扩散过程,在继承DeepHawkes高解释性的同时,进一步提高预测准确度。在两个新浪微博数据集上对比了LDA-DeepHawkes模型与其他模型的预测准确度,分析了模型中参数对预测效果的影响。实验结果表明:LDA-DeepHawkes模型有较好的预测精度,说明信息的文本内容也是影响信息扩散的重要因素。
- 王世杰周丽华孔兵周俊华
