董西伟
- 作品数：23 被引量：42H指数：3
- 供职机构：南京邮电大学自动化学院更多>>
- 发文基金：国家自然科学基金江西省教育厅科学技术研究项目江苏省普通高校研究生科研创新计划项目更多>>
- 相关领域：自动化与计算机技术文化科学交通运输工程电子电信更多>>
- 一种基于小波变换的图像压缩的应用被引量：1
- 2007年
- 对信号进行准确的分析、编码、压缩、快速传递或存储、精确重构是当今信号处理的目的。在数字图像信号处理领域,小波分析以时域和频域联合表示信号的特征,使得它在图形、图像、通信、计算机视觉领域都有很好的应用。我们结合数字图像的频谱特性给出一种基于小波变换的图像压缩方法。
- 董西伟高光勇杨茂保
- 关键词：小波变换图像压缩冗余
- 基于小波变换的图像消噪的应用被引量：1
- 2007年
- 小波分析是当前应用数学和工程学科中一个迅速发展的新领域,小波分析是时间—尺度分析和多分辨分析的一种新技术,尤其在数字图像处理领域,基于小波变换的图像压缩、图像增强、图像消噪可以取得很好的实际效果,我们结合数字图像内容和人类视觉特性给出了一种基于小波变换的图像消噪的实现方案。
- 杨茂保王玉伟董西伟
- 关键词：小波变换小波域图像处理图像消噪
- 基于Web的运动生物力学教学实验系统的设计与实现
- 2009年
- 运用ASP、JavaScript等Web技术设计出B/S结构的运动生物力学教学实验系统。B/S结构的实验系统使进行运动生物力学实验的实验地点、实验时间变得更为灵活,在一定程度上提高了学生学习的自主性。
- 董西伟
- 关键词：WEB运动生物力学B/S
- 自适应蝙蝠算法优化的模糊聚类及其应用被引量：11
- 2019年
- 随着信息网络技术的飞速发展,如何对规模庞大的网络数据准确高效聚类并合理应用显得尤为重要。虽然模糊C均值聚类算法(FCM)已具有良好的聚类效果,但其对初始化敏感,在处理高维大规模网络数据时易陷入局部极值问题还未被完全克服。为了解决这两个问题,提出一种分布熵和平均位距改进的自适应蝙蝠算法,利用该算法对模糊C均值的参数进行优化。在此之上,将自适应蝙蝠算法优化的模糊聚类应用于异常检测领域,提出了一种自适应蝙蝠算法优化的模糊聚类异常检测算法。理论分析和仿真实验表明,与前沿的粒子群优化FCM异常检测算法和FCM异常检测算法相比,该算法具有更好的聚类效果和检测性能。
- 崔芳怡荆晓远董西伟吴飞孙莹
- 关键词：模糊C均值模糊聚类异常检测
- 基于局部稀疏重构度量学习的软件缺陷预测被引量：1
- 2016年
- 随着计算机技术的不断发展,如何准确地预测出软件中潜在的缺陷显得至关重要。近年来,研究者们尝试把一些机器学习方法应用到软件缺陷预测领域中,但是这些方法在分类过程中大多使用了传统的欧氏距离。距离度量学习方法通过挖掘训练样本集的特征信息和标记信息,学习得到有效的距离度量,让样本在基于度量矩阵的新特征空间中具有更好的鉴别可分性。将距离度量学习方法引入到软件缺陷预测中,同时融入了局部稀疏重构信息,提出一种新的软件缺陷预测方法,即局部稀疏重构度量学习方法(LSRML)。该方法学习得到的距离度量具有很好的鉴别性,并有效地解决了噪声敏感问题。在软件工程NASA数据库上的实验结果表明,提出的方法具有较好的缺陷预测效果。
- 王晴荆晓远朱阳平吴飞董西伟程立
- 关键词：软件缺陷预测局部信息
- 鲁棒多视图协同完整鉴别子空间学习算法
- 2019年
- 为了有效地融合多视图信息并使有利于多视图完整子空间学习的视图主导多视图学习,提出了多视图协同完整子空间学习策略。进一步,为了使对象在潜在完整子空间中的完整特征表示具有更好的鉴别能力,将Fisher鉴别分析引入到了多视图完整子空间学习中。Fisher鉴别分析可以在最小化对象的完整特征表示的类内散度的同时最大化对象的完整特征表示的类间散度。将多视图协同完整空间学习策略和Fisher鉴别分析融合在一起,提出了鲁棒多视图协同完整鉴别子空间学习算法。实验结果表明,所提算法能够有效地融合多视图信息并挖掘鉴别信息,是一种有效的多视图完整子空间学习算法。
- 董西伟王玉伟周军
- 关键词：线性鉴别分析人脸识别子空间学习
- 基于Skip-gram的CNNs文本邮件分类模型被引量：7
- 2019年
- 随着互联网广告技术的发展和电子邮件的普及,越来越多的垃圾广告邮件充斥生活,而对如何高效区分垃圾邮件的研究也逐渐成为了热门课题。自然语言在结构上具有很强的前后相关性,而且对于中文邮件直接转化成向量会有过高的维度产生,影响最后分类的准确性。对此,首先对邮件文本进行分词,再利用skip-gram模型训练出数据集中每个词的wordembedding,引入的词嵌入(wordembedding)是为了将邮件文本转化成低维度特征向量;然后将每个词的wordembedding组合为二维特征矩阵作为网络的输入,此外在每一次的迭代过程中,输入特征也作为参数进行更新;最后送入提出的CNN-HIGHWAY混合模型中进行邮件分类。将该混合模型在CCERT中文邮件样本集上进行实验,并与传统的机器学习方法和标准的卷积神经网络模型进行对比,结果表明该模型不仅解决了维度过高的问题,而且提高了邮件分类的准确率。
- 黄鹤荆晓远董西伟吴飞
- 关键词：自然语言处理邮件分类
- 基于代价敏感学习的软件缺陷预测方法被引量：1
- 2015年
- 软件缺陷预测是改善软件开发质量、提高测试效率的重要途径。文中分析了软件缺陷预测的特点,同时针对当前软件缺陷预测中存在特征冗余问题和类不平衡问题进行了深入研究。首先为了解决软件模块中的特征冗余问题给软件缺陷预测造成困难,提高对软件缺陷预测的准确率,采用基于代价敏感的拉普拉斯特征映射方法(CSLE)对原样本空间进行降维,改进拉普拉斯算法(LE)中的距离度量方式,提高降维映射精度;然后通过基于代价敏感的神经网络的方法(CSBPNN)对软件模块进行分类,调整BP神经网络的权值和偏置参数,使BP神经网络对有缺陷软件模块的误分更加敏感,进一步提高分类效果。在NASA软件缺陷标准数据集上与最新的几种软件缺陷预测方法相比,文中提出的方法能够有效提高有缺陷样本的召回率和F-measure值。
- 陆海洋荆晓远董西伟刘茜
- 关键词：软件缺陷预测拉普拉斯特征映射神经网络
- 基于局部流形重构的半监督多视图图像分类
- 2016年
- 为了在半监督情境下利用多视图特征中的信息提升分类性能,通过最小化输入特征向量的局部重构误差为以输入特征向量为顶点构建的图学习合适的边权重,将其用于半监督学习。通过将最小化输入特征向量的局部重构误差捕获到的输入数据的流形结构应用于半监督学习,有利于提升半监督学习中标签预测的准确性。对于训练样本图像的多视图特征的使用问题,借助于改进的典型相关分析技术学习更具鉴别性的多视图特征,将其有效融合并用于图像分类任务。实验结果表明,该方法能够在半监督情境下充分地挖掘训练样本的多视图特征表示的鉴别信息,有效地完成鉴别任务。
- 董西伟
- 关键词：图像分类多视图
- 浅谈分组密码算法模式——ECB模式的安全缺陷被引量：1
- 2007年
- 在现代生活中,数据加密与人们的生活息息相关。对数据进行加密可以在一定程度上保障您的信息不会被其他人进行窃听或篡改,但是不是这样就能够保证您的重要信息非常安全了呢?其中分组密码算法中的ECB模式就有较大的安全缺陷,这种缺陷也让众多的黑客有了可乘之机,此时对于这些重要数据拥有者的您来说带来的损失可能是无法估量的。
- 张吉力董西伟徐少文
- 关键词：数据加密
