公共文化服务平台

周卫红: 作品数：46 被引量：134H指数：6; 供职机构：云南民族大学数学与计算机科学学院更多>>; 发文基金：云南省教育厅科学研究基金国家自然科学基金国家民委科研基金更多>>; 相关领域：自动化与计算机技术天文地球文化科学电子电信更多>>

合作作者

基于遗传算法的Mamdani模糊分类器的研究: 2010年; 大多数的模糊分类器,是建立在先验的或专家知识的基础上的模糊规则而构建的模糊分类器,但在实际的大量数据中,是没有先验知识的,进而要提取模糊规则是较困难的.研究了Mamdani模糊逻辑系统,提出一种基于遗传算法的Mamdani模糊分类器,它有最少特征变量、最少的模糊规则数,而且还有较好的分类精度,并应用于分类数据仿真,效果良好.; 李安华尹红艳周卫红; 关键词：模糊分类器 MAMDANI 遗传算法

基于残差网络的掌纹识别研究被引量：1: 2023年; 为了探索深度学习在掌纹识别领域的应用,提出了一种利用残差网络技术自动提取掌纹特征的方法,该方法根据掌纹的几何特征对掌纹图像进行预处理,将预处理后的掌纹图像进行归一化得到一个二维图像矩阵,作为残差网络的输入,再利用随机梯度下降算法对网络进行迭代训练,获取最优的网络参数,最后使用分类器Softmax对掌纹进行分类识别.模型在中国香港理工大学的掌纹数据库上进行了实验验证,实验结果证实了利用残差网络对掌纹进行分类的可行性,并取得了不错的分类效果.; 李广平丁志兴郝艳敏高献军杨明存刘执靖艾霖嫔周卫红; 关键词：掌纹识别

基于EfficientNet的星系形态分类研究被引量：4: 2022年; 星系的结构和形态能够反映星系自身的物理性质,其形态的分类是后续分析研究的一个重要环节.EfficientNet模型使用复合系数对深度网络模型的深度、宽度、输入图像分辨率进行更加结构化的统一缩放,是一种新的深度网络优化扩展方法.将该模型应用于星系数据形态的分类研究中,结果表明基于EfficientNet-B5模型的平均准确率、精确率、召回率以及F1分数(精确率与召回率的调和平均数)都在96.6%以上,与残差网络(Residual network,ResNet)中ResNet-26模型的分类结果相比有较大的提升.实验结果证明EfficientNet的深度网络优化扩展方法可行且有效,可应用于星系的形态分类.; 艾霖嫔徐权峰杜利婷许婷婷高献军李广平周卫红

一种基于遗传算法的Mamdani模糊分类器的构造: 大多数的模糊分类器是以建立在先验的或专家知识基础上的模糊规则构建。由于在大量的实际数据中是没有先验知识的，因此提取模糊规则是比较困难的。在MaIndani模糊逻辑系统的基础上，提出一种基于遗传算法的Mamdani模糊分类...; 周卫红熊顺清张久东; 关键词：模糊分类器 MAMDANI 遗传算法

基于深度信念网络的LAMOST恒星光谱分类研究被引量：2: 2019年; 恒星光谱分类是光谱分析的一种重要方法,是天体光谱数据挖掘的重要内容。针对从LAMOST(the Large Sky AreaMulti-Object Fiber Spectroscopic Telescope)Data Release 5(DR5)选取出的33 000条F、G和K型3种恒星光谱数据,采用一种基于深度信念网络的恒星光谱分类方法,通过在训练过程中对恒星光谱数据进行分层特征学习,从而建立深度信念网络模型。最后对此模型进行恒星光谱分类测试,得到F、G和K型3种恒星的分类精确率分别为0.93、0.90和0.98,从而验证了该模型对这3种恒星光谱的正确性,分类精确率较高,对海量天体光谱数据的处理有着重要意义。; 张静敏许婷婷杜利婷周卫红; 关键词：光谱分类

Ia型超新星核简并模型的大样本恒星演化研究（英文）: ＜正＞The core-degenerate（CD）scenario has been suggested to be a possible progenitor model of type Ia supernovae（...; 周卫红; 文献传递

基于Python的数据可视化研究被引量：6: 2022年; 由于科学的发展,各行各业需要处理大量的数据并且体现其结果。体现处理数据的结果有许多种方法,其中,数据可视化是最受欢迎的方法。根据数据可视化的结果,用户可以快速、准确和充分地掌握、运用相关的信息。该文从Python、数据可视化和二维图形3大方面进行阐述,说明基于Python的数据可视化,是一项可延伸扩展的技术。; 洪丽华周卫红黄琼慧; 关键词：PYTHON 数据可视化

一种新的基于2维傅里叶谱图像的恒星光谱特征提取方法和深度网络分类应用被引量：5: 2020年; 天体光谱分类是天文学研究的重要内容之一,其关键是从光谱数据中选择和提取对分类识别最有效的特征构建特征空间.提出一种新的基于2维傅里叶谱图像的特征提取方法,并应用于LAMOST (the Large Sky Area Multi-Object Fiber Spectroscopic Telescope)恒星光谱数据的分类研究中.光谱数据来源于LAMOST Data Release 5(DR5),选取30000条F、 G和K型星光谱数据,利用短时傅里叶变换(Short-Time Fourier Transform, STFT)将1维光谱数据变换成2维傅里叶谱图像,对得到的2维傅里叶谱图像采用深度卷积网络模型进行分类,得到的分类准确率是92.90%.实验结果表明通过对LAMOST恒星光谱数据进行STFT可得到光谱的2维傅里叶谱图像,谱图像构成了新的光谱数据特征和特征空间,新的特征对于光谱数据分类是有效的.此方法是对光谱分类的一种全新尝试,对海量天体光谱的分类和挖掘处理有一定的开创意义.; 张静敏马晨晔王璐杜利婷许婷婷艾霖嫔周卫红

基于一维卷积神经网络的恒星光谱分类研究被引量：2: 2021年; 对天体光谱数据进行分类,是天文研究的重要步骤.鉴于一维卷积神经网络可以很好地分析具有固定长度周期的信号数据,为了更进一步提高F5、G5、K5型恒星光谱数据的分类精确度,在LAMOST数据库中选取这3种恒星光谱应用于一维卷积神经网络,进行分类研究,并与DBN、Inception v3等实验进行对比,验证了一维卷积神经网络对于天体光谱分类的有效性.; 艾霖嫔杨锦涛徐权峰张静敏杜利婷周卫红; 关键词：LAMOST 光谱

基于Simulink／VRML遥控车模虚拟现实仿真被引量：1: 2010年; 该文以模型车的平移仿真为试验对象，围绕着建立动态运动过程，把VRML的虚拟场景构建和Simulink控制动态仿真有机结合在一起，通过仿真试验，得出了较优的车模行驶控制系统参数，并实现了车模虚拟运动控制系统现实场景的生成和演示。; 张久东初飞周卫红; 关键词：VRML SIMULINK