李俊丽
- 作品数：23 被引量：56H指数：3
- 供职机构：晋中学院更多>>
- 发文基金：国家杰出青年科学基金山西省高等学校科技创新项目国家自然科学基金更多>>
- 相关领域：自动化与计算机技术电子电信金属学及工艺更多>>
- 离群点检测算法研究被引量：2
- 2017年
- 离群检测作为数据挖掘中一项重要内容,已经应用于许多领域,因此引起广泛关注。介绍了传统的离群点检测算法的分类,针对传统算法无法适用于新兴数据模型的问题,首先详细讨论了高维数据的离群点检测算法,并提出了离群组合技术的方法以解决与高维数据相关联的问题,其次描述了不确定数据和数据流离群检测算法,最后对离群检测算法的性能评价进行了讨论,并指出了进一步的研究方向。
- 李俊丽芦彩林
- 关键词：高维数据离群检测不确定数据数据流
- 基于MFC的FTP客户端的实现
- 2016年
- 大部分浏览器客户端虽然具有使用方便的特点,但仅具有浏览文件和下载的功能,不具备文件上传和高级文件管理功能。针对这些问题,设计了一种基于MFC的FTP客户端,提供了基本的浏览文件和上传下载功能,而且具有简单可视化易操作等特点。
- 李俊丽
- 关键词：FTP客户端MFC
- 一种用于冷轧辊制造过程的离群检测系统及其检测方法
- 本发明一种用于冷轧辊制造过程的离群检测系统及其检测方法，属于用于冷轧辊制造过程的离群检测系统技术领域；所要解决的技术问题为：提供一种用于冷轧辊制造过程的离群检测系统结构的改进；解决上述技术问题采用的技术方案为：包括数据采...
- 李俊丽
- 一种改进的概率关系模型及其概率查询问题的研究
- 二十世纪七十年代，E.F.Codd提出了数据库的关系模型，开始了数据库关系方法和关系数据理论的研究，并逐渐应用到各个领域。这使得人们借助数据库对海量数据进行处理以及查询成为了可能。但是，在很多领域还有很多问题难以用现有的...
- 李俊丽
- 关键词：不确定数据概率关系模型最近邻查询深度优先算法
- 文献传递
- 概率查询及其算法研究
- 2011年
- 给出了概率查询的分类,描述了最近邻查询及其基于R-树的深度优先算法,针对此算法的不足,提出了对mindist的改进以完成移动对象的最近邻查询。
- 李俊丽
- 关键词：概率查询最近邻查询
- 基于Spark的倾斜数据虚拟划分算法
- 2021年
- 针对基于Spark的类别数据互信息的并行计算在数据倾斜情况下会造成某一个或几个reducer负载过重降低集群性能的现状,重新定义数据倾斜模型来量化由Spark创建的分区之间的数据倾斜度,提出数据虚拟划分算法DVP。通过将同一个键添加随机前缀更改为几个不同的键,减少单个任务处理过量数据的情况;在一个24节点的Spark集群中实现DVP算法,通过与Spark传统的哈希算法DEFH比较,实验验证了DVP算法减轻了Spark Shuffle过程中的数据倾斜,减少了在负载均衡方面的耗时。
- 李俊丽
- 关键词：负载均衡
- 改进的基于正区域的知识约简算法及其应用研究被引量：1
- 2014年
- 给出了基于正区域的决策表知识约简的定义和算法,针对此算法的不足,提出了算法改进以完成包含大量条件属性的约简。通过其在电器销售系统中的应用,去除冗余或不相关的条件属性,大大减少了要处理的数据量,简化了决策信息系统。
- 李俊丽秦振吉
- 关键词：粗糙集决策表知识约简
- 概率数据模型查询方法的研究
- 2010年
- 随着信息化进程的推进,在很多重要应用领域发现了大量的不确定性数据,概率是解决不确定信息的比较适用的方法。经典关系数据库处理不了具有概率的数据,所以要对此种数据库在这方面加以推广,也就是概率数据模型。在概率数据库中使用传统的查询方法会使查询结果出现偏差,不能满足用户的需求。因此,基于不确定数据的查询处理受到了越来越多的关注。对此进行了研究。
- 李俊丽白尚旺
- 关键词：关系数据库概率数据模型TOP-K查询无线传感器
- 一种用于冷轧辊制造过程的离群检测系统及其检测方法
- 本发明一种用于冷轧辊制造过程的离群检测系统及其检测方法，属于用于冷轧辊制造过程的离群检测系统技术领域；所要解决的技术问题为：提供一种用于冷轧辊制造过程的离群检测系统结构的改进；解决上述技术问题采用的技术方案为：包括数据采...
- 李俊丽
- 文献传递
- 人工智能深度学习的激光图像分割研究被引量：3
- 2021年
- 激光成像受到环境、设备自身等干扰,使得激光图像含有噪声,当前图像分割方法对噪声干扰鲁棒性差,误分割现象出现概率高,重要信息丢失严重,为了克服当前激光图像分割的弊端,提出了基于人工智能深度学习的激光图像分割方法。首先采用小波变换对激光图像进行特征提取,并对噪声干扰进行抑制处理,然后引入人工智能学习算法对激光图像特征向量进行训练,并根据训练结果对激光图像像素点进行分类,从而实现激光图像分割,最后采用含噪和不含噪的激光图像进行仿真测试。结果表明,对含噪和不含噪的激光图像,人工智能深度学习的分割精度分别达到了91%和95%以上,精度明显高于经典激光图像分割方法,分割效率可以满足激光图像向大规模方向发展的要求。
- 李慧慧李俊丽
- 关键词：人工智能特征向量
