公共文化服务平台

林甲祥: 作品数：30 被引量：123H指数：5; 供职机构：福建农林大学计算机与信息学院更多>>; 发文基金：国家自然科学基金福建省自然科学基金福建省教育厅资助项目更多>>; 相关领域：自动化与计算机技术天文地球农业科学文化科学更多>>

合作作者

时空数据离群挖掘的研究与应用: 林甲祥

基于MST聚类的离群检测算法研究: 2007年; 基于密度的最小生成树聚类算法,将最小生成树理论与基于密度的方法相结合,不仅体现了基于密度聚类方法的优点,而且聚类结果不依赖于用户参数的选择,聚类结果更合理,特别是对大数据集,算法非常有效。因此,本文在基于密度的MST聚类的基础上,通过减少数据集扫描次数以提高离群检测的效率。理论分析表明,检测算法可以有效地处理分布不均的数据集,适用于大规模数据集的挖掘。; 林甲祥刘丰富; 关键词：最小生成树

一种基于RIPv2的轻量级IP/SDN混合互联架构: 2016年; 分析了现有IP/SDN混合互联架构方案的优缺点,提出一个基于RIPv2路由协议的轻量级IP/SDN互联架构.其主要原理是将SDN网络抽象成RIPv2协议中的单个虚拟路由节点,在控制器内部实现RIPv2路由表和Openflow流表信息的转换.从RIPv2的协议角度来看,无论SDN网络内部包含多少个交换机和子网,网络报文穿过该SDN,其跳数只经过1跳.在开源控制器Floodlight上实现了该架构并进行了试验验证和性能评估.与现有架构相比,该架构不需要增加额外的协议转换设备,能够实现与传统IP网络的多出口节点互联,且具有较低的性能开销,适用于中小型园区网的IP/SDN互联场景.; 舒兆港林甲祥杨长才张振昌景林; 关键词：路由协议

高校课程成绩计算的公平性与合理性探讨: 2021年; 平均成绩和期末成绩加权和是目前高校课程成绩计算的主流方式,存在平时成绩打分项设置难、成绩评定标准不统一的缺陷,还存在着一定的不公平性与不合理性,文章采用数据分析的方式进行了探讨,并提出了分段权值综合成绩计算方法,针对高分和低分,成绩计算更为合理,同时各分数段成绩的增益相差不大,具有更高的公平性。; 林甲祥吴培钧王雪平

网格服务模型元数据的组织管理与应用研究被引量：1: 2010年; 随着各种网格服务的积累和版本升级,知识网格平台中知识发现算法和辅助决策模拟模型日益增多,如何快速发现和定位满足用户需求的网格服务,是制约平台服务质量的重要因素。对网格服务模型进行有效描述,并最终形成统一的网格服务模型元数据标准,是推进网格服务模型广泛共享的有效手段。因此,在对建立网格服务模型元数据标准的必要性进行简要分析之后,文章给出了网格环境中服务模型元数据的基本框架和内容,采用二级元数据模型对包括标识信息、权限信息、运行条件、参数信息、分类信息、内容信息、参考信息等7个方面的模型元数据进行定义与说明;随后采用可扩展标记语言(XML)作为描述语法对网格服务模型元数据进行组织和管理,并对基于B/S结构的网格服务模型元数据管理模块设计与实现进行介绍。最后,将网格服务模型元数据管理模块紧密集成到研究小组现有的地理知识网格服务平台GeoKS-G rid中,实现网格服务模型的规范化管理,并对网格服务模型元数据的网格工作流制定、执行和调度,进行了初步的研究与探讨。; 林甲祥麻伟斌吴小竹陈崇成王伟斌; 关键词：网格服务

基于可决系数的自适应关联规则挖掘算法被引量：3: 2020年; 针对以频繁项集产生-规则产生为核心的两阶段关联规则挖掘,存在需要人工以先验知识指定最小支持度和最小置信度阈值的缺陷。本文提出以支持数和置信度为依据,采用曲线拟合技术,根据可决系数自动确定曲线的次数及对应多项式的算法AARM_BR(Adaptation Association Rule Mining Based on Determination Coefficient R^2),从而确定支持度和置信度阈值。在标准数据集Trolley和Groceries上进行关联规则挖掘实验,结果表明本算法更具有数据依赖性,在用户不具备先验知识的情况下,无须人为指定多项式阶次、支持度和置信度阈值的优点。; 王雪平林甲祥巫建伟高敏节; 关键词：关联规则阶次自适应置信度多项式数据挖掘

动态事件时间数据的多任务Logistic生存预测方法: 2020年; 事件时间数据广泛存在于临床医学研究领域,包含大量复杂的随时间变化的动态风险因子变量。为了对这些动态事件时间数据进行有效分析,克服生存模型参数假设的局限性,提出了一种多任务Logistic生存学习和预测方法。将生存预测转化为一系列不同时间点的多任务二元生存分类问题,利用动态风险因子变量的全部观测值估计累积风险。通过对事件样本和删失样本的全数据学习正则化Logistic回归参数。评估风险因子与事件时间的动态关系,根据生存概率估计事件时间。在多个实际临床数据集上开展的对比实验验证了提出的多任务预测方法对于动态数据不仅具有较强的适用性,而且能够保障预测结果的准确性和可靠性。; 阮灿华林甲祥; 关键词：多任务学习 LOGISTIC回归

基于MST聚类的空间数据离群挖掘算法被引量：1: 2008年; 空间离群是指空间邻域中属性特征值明显不同于其他对象的空间对象,空间数据离群挖掘能为人们提供很多有趣的信息,但空间数据具有复杂的拓扑关系、方位关系和度量关系等空间特征,传统的面向事务型数据库的离群挖掘算法并不适用于空间数据库。本文提出了基于MST(Minimum Spanning Tree,最小生成树)聚类的空间数据离群挖掘算法(SOM);有机结合了最小生成树理论与密度的方法,既体现了空间离群的局部特性,又体现了空间离群的孤立程度。该算法通过MST维护空间数据的基本空间结构特征,通过打断MST中最不一致的边形成MST聚类,不仅具有密度的聚类方法能够聚集非球状簇和分布不均的数据集的特点,而且聚类结果不依赖于用户参数的选择,因此,离群挖掘结果更合理。最后,通过实例数据,验证了该算法的有效性,它适用于大规模空间数据集的离群挖掘。; 林甲祥陈崇成樊明辉郑旻琦; 关键词：SOM算法

基于圆弧的原木轮廓的识别与验证被引量：12: 2016年; 针对原木端面存在相交圆、阴影等导致原木轮廓难以获得完整的圆轮廓问题,提出了基于圆弧的原木轮廓识别方法.首先分析了圆弧在数字化图像中的性质,从各种边缘线条中区分出圆弧边缘;其次,定义验证模型,以判断识别结果是否为合格圆.结果表明,该方法可以从大量干扰的边缘中找到轮廓,并利用部分轮廓边缘识别原木端面.; 林耀海景林王长缨王雪平林甲祥林培杰

基于C-SOM和Spark的并行空间离群挖掘方法及应用被引量：4: 2019年; 空间离群挖掘可以发现空间数据集中非空间属性值与邻域中其他空间对象明显不同的空间对象。随着空间数据量的快速增加,传统集中式处理模式面临单机性能瓶颈、难以扩展等问题,已逐渐不能满足应用需要。因此,本文根据Spark并行计算框架,充分利用Spark快速内存计算和扩展性的优势,提出了一种基于考虑约束条件的空间离群挖掘算法(C-SOM)和Spark的并行空间离群挖掘算法和原型系统。该并行算法以C-SOM为核心,并行地在多个计算节点对全局数据集和各局部数据集执行C-SOM算法,得到全局离群和局部离群。轻量级的原型系统基于Spark实现了该并行算法,采用Browser/Server架构,提供给用户可视化的操作界面,简洁实用。最后,通过福建省东南沿海土壤化学元素调查数据和人工合成数据的离群分析,验证了该并行算法和原型系统的合理性、有效性和高效性。; 潘淼鑫林甲祥陈崇成叶晓燕; 关键词：SPARK 并行计算数据挖掘

林甲祥

合作作者

文献类型

领域

主题

机构

作者

传媒

年份

用户反馈

林甲祥

合作作者

文献类型

领域

主题

机构

作者

传媒

年份

用户登录

用户反馈