马丹
- 作品数：21 被引量：38H指数：4
- 供职机构：贵州大学更多>>
- 发文基金：贵州省科学技术基金国家自然科学基金贵州省自然科学基金更多>>
- 相关领域：自动化与计算机技术文化科学医药卫生更多>>
- 《数据库课程设计》中常见问题及解决措施被引量：2
- 2012年
- 本文主要是针对实践课《数据库课程设计》中学生常见的问题进行了分析和探讨,针对学生在数据库系统设计中易犯的错误进行了总结,提出了一些有效的改进措施,以便于更好的开展数据库课程设计,使学生真正掌握数据库系统设计的有效方法和实用技术。
- 马丹
- 关键词：课程设计
- 基于AdaBoost改进的多分类器动态集成算法被引量：1
- 2015年
- 为提高分类准确率,研究一种改进的多分类器动态集成算法。调整AdaBoost,使其适用于加权训练集;引入属性相关度来标记待分类样本和训练集决策属性之间的相似程度,实现以动态筛选的方式组合最终的分类模型。该算法避免了在分类模型集成过程中对训练集的重复抽取,弥补了模型中单分类器位置固定不变的不足。实验结果表明,该算法能有效提高分类精度和泛化能力。
- 姜季春马丹
- 关键词：多分类器集成ADABOOST
- 基于深度学习的恶意代码检测方法研究
- 互联网的高速发展给人们的生活带来便利，同时也给网络安全带来了前所未有的挑战，恶意代码数量每年以亿计的趋势增长。为了对抗恶意代码，恶意代码检测技术不断更新进步。现有的检测方法中，基于动态分析的方法能取得较高准确率，但检测时...
- 马丹
- 关键词：恶意代码检测
- 文献传递
- 数据挖掘技术在医学图像处理中的应用研究
- 陈梅王翰虎李晖马丹朱华
- 该项研究建立了医学图像存储管理平台MiniPACS系统和CT图像的辅助诊断系统。MiniPACS系统，具有医疗影像采集、传输与存储管理、诊断报告管理等功能。CT图像的辅助诊断系统，使用医学图像特征提取技术、数据挖掘技术对...
- 关键词：
- 关键词：辅助诊断系统数据挖掘技术
- PeMeBench:中文儿科医疗问答基准测试方法
- 2024年
- 大语言模型在医疗领域显现出巨大的应用潜力,如何评估其在医疗领域中的性能成为挑战。现有医疗评测基准测试多为选择题形式,难以全面和精准地评估模型在儿科医疗场景中的性能。为此,提出首个中文儿科医疗问答基准测试方法——PeMeBench。该方法基于双视角评估维度,参考来自10个儿科疾病系统的诊疗规范类书籍,将儿科医疗问答任务细分为疾病知识、治疗方案、用药剂量、疾病预防和药理作用5个儿科医疗问答子任务,构建超1万个开放式的问答题目,引入一种融合实体召回和检测语句幻觉的多粒度自动化评估方案,旨在对大语言模型在儿科基础医疗领域中的性能进行全面、准确的评估,深入剖析其潜在局限性,为提升医疗服务的智能化水平奠定坚实的基础。
- 张芊陈攀峰冯林坤刘淑钰马丹马丹李晖
- 一种主动靶向和响应型双载药协同作用纳米载药胶束及其应用
- 本发明属于医药制剂及其制备和应用技术领域，具体涉及一种主动靶向和响应型双载药协同作用纳米胶束及其应用；以透明质酸为靶向配体和亲水端，3,3，‑三硫代二丙酸为连接体，胆酸甲酯作疏水端，构建了具有主动靶向和氧化还原响应型的载...
- 杨敏马丹彭黔荣张海廖安茹
- 基于JavaWeb的“慧农帮”扶贫网站的设计与实现被引量：2
- 2020年
- 在国家大力实施精准扶贫政策之后,中国贫困状况得到了很好的改善,但精准扶贫仍然存在不足之处,无法根治贫困现状,农村存在的限制经济发展的因素将无法迅速得到解决。本文通过对贵州省当地贫困地区的调查和研究,利用到JavaWeb等核心技术,结合贵州省贫困地区发展现状,设计和实现了一个功能完善的帮扶平台,从各个方面为广大贫困人口提供帮助。
- 陈烜马丹成先杰谢小雪彭浩然曾庆佑
- 关键词：网站建设公益
- 一种高效的闪存数据库故障恢复方法MMR被引量：1
- 2012年
- 故障发生后,迅速而有效的恢复对闪存数据库而言是至关重要的。目前,相关研究者已提出了一些基于闪存数据库的故障恢复方法,但是这些方法都存在一些不足,如事务提交代价高、系统运行开销大等。文中针对闪存的特征,结合存储管理中基于日志更新方法的页内日志,讨论闪存数据库的恢复处理及其实现机制。通过记录内存日志实现事务故障恢复,建立镜像目录实现系统故障恢复。最后,通过实验验证了MMR在恢复时间和写操作数上都比传统的方法低。
- 王曼丽邢玉钢王翰虎马丹陈梅
- 关键词：闪存数据库故障恢复
- K近邻算法在教学网页分类中的应用
- 2009年
- 针对教学网页这一特定领域,提出一个基于K近邻算法的教学网页自动分类模型。该模型采用向量空间模型对教学网页的特征进行量化,并采用基于K近邻的分类方法对新的网页进行自动归类。最后通过实验数据说明该算法在教学网页的分类中是有效。
- 马丹
- 关键词：教学网页K近邻向量空间模型
- 深度可分离卷积在Android恶意软件分类的应用研究被引量：6
- 2022年
- 传统机器学习在恶意软件分析上需要复杂的特征工程,不适用于大规模的恶意软件分析。为提高在Android恶意软件上的检测效率,将Android恶意软件字节码文件映射成灰阶图像,综合利用深度可分离卷积(depthwise separable convolution,DSC)和注意力机制提出基于全局注意力模块(GCBAM)的Android恶意软件分类模型。从APK文件中提取字节码文件,将字节码文件转换为对应的灰阶图像,通过构建基于GCBAM的分类模型对图像数据集进行训练,使其具有Android恶意软件分类能力。实验表明,该模型对Android恶意软件家族能有效分类,在获取的7630个样本上,分类准确率达到98.91%,相比机器学习算法在准确率、召回率等均具有较优效果。
- 褚堃万良马丹张志宁
