刘艳
- 作品数：14 被引量：31H指数：3
- 供职机构：长春大学计算机科学技术学院更多>>
- 发文基金：黑龙江省自然科学基金全国教育科学“十一五”规划课题吉林省教育科学“十二五”规划课题更多>>
- 相关领域：自动化与计算机技术文化科学更多>>
- 农机设备电磁兼容设计专家系统
- 2016年
- 提出了针对农机设备电磁兼容设计的专家系统,分析了系统知识库建立的依据,对有关电磁兼容设计的知识进行了整理,将其分成描述类知识、规则类知识和案例类知识,并对案例类知识的推理算法进行了详细设计。结果表明:建立的电磁兼容设计专家咨询系统能起到部分代替专家指导生产设计实践的作用。
- 唐伎玲刘艳
- 关键词：农机设备电磁兼容专家系统
- 一种基于主存Δ-tree的高维数据自相似连接处理被引量：4
- 2009年
- 相似连接作为数据挖掘的基元,可被用来大幅度提高相似搜索、数据分析和数据挖掘的速度.大多数研究主要集中在大量基于磁盘数据的高维连接.目前计算机可得到的主存容量越来越大以及对空间连接的有效处理的需求表明,一大类问题的空间连接能够在主存中处理.Δ-tree是一个新提出的多层索引,已被证实优于其他主存索引.因此,以Δ-tree为基础,提出了一种空间连接算法Δ-tree-join,研究了它的性能,和目前最先进的算法EGO-join和EGO*-join进行了比较.结果显示Δ-tree-join的效率比它们有大幅度提高,是一种有效的连接方法.
- 刘艳郝忠孝
- 关键词：高维空间主存相似搜索
- 障碍物环境下的动态单纯型连续近邻链查询被引量：2
- 2014年
- 单纯型连续近邻链查询在空间数据查询、空间数据挖掘和网络搜索等领域具有重要意义。针对障碍物环境下动态数据集中的单纯型连续近邻链查询问题,着重考虑新增点和删除点对初始单纯型连续近邻链的影响,基于判定圆域对初始单纯型连续近邻链进行二次计算和判断,提出在数据集动态增大和动态减小环境下的OB_DYNSCNNC_ADD和OB_DYNSCNNC_DET查询算法,以实现对数据集的有效筛选和过滤。理论研究和实验分析表明,2种算法均能实现障碍物环境下动态数据集中的单纯型连续近邻链查询,并具有较高的查询效率。
- 李松张丽平刘艳郝晓红杨和禹
- 关键词：空间数据库空间索引结构最近邻查询
- 基于两级神经网络的连续哼唱特征提取被引量：2
- 2008年
- 针对用户以任意字词连续哼唱的情况下,哼唱特征提取中音符分割、音符识别难度大的问题,提出了一种基于两级神经网络的哼唱特征提取方法。第一级采用BP神经网络实现哼唱音符分割,得到独立音符;第二级采用RBF神经网络识别分割出的各个音符,获得音符的MIDI音高值。实验结果表明,该方法能较好地完成哼唱特征的提取,适合于实际哼唱检索系统对连续哼唱的要求。
- 郑贵滨刘艳刘胜韩纪庆
- 关键词：BP神经网络RBF神经网络
- 高维主存的反向K最近邻查询及连接被引量：1
- 2011年
- 对高维主存的反向K最近邻(KNN)查询进行研究,提出一种△-RdKNN-tree索引结构。通过在该索引结构上进行主存KNN自连接,预处理数据集中点的KNN距离信息。将这些距离扩展到索引的各层节点中,基于该索引设计高维主存的反向KNN查询算法以及反向KNN连接算法。分析结果表明,该算法在高维空间中是有效的。
- 刘艳郝忠孝
- 关键词：高维主存预处理
- 基于Δ-tree的高维数据相似连接算法被引量：1
- 2011年
- 为了解决主存中高维数据相似连接问题,基于高效索引Δ-tree提出了连接两个不同数据集的主存相似连接算法Δ-tree-join*。该算法采用自顶向下的模式,充分利用Δ-tree的特性,使用较少的维数计算聚类之间的距离及数据点与聚类之间的距离,通过该距离过滤掉不必要的节点和数据点,减少计算量,提高连接效率。实验结果表明,Δ-tree-join*是一种更适合主存的相似连接算法,比目前这方面最先进的算法EGO及EGO*具有更优的性能。
- 刘艳郝忠孝
- 关键词：高维空间主存数据挖掘相似搜索
- 基于迁移学习的交通标志分类
- 2021年
- 为提高交通标志分类的准确率,针对交通标志样本数量不足,对数据进行了增广,利用迁移学习将卷积神经网络在大规模数据集上训练得到的参数,应用到训练交通标志分类的模型中,提出了基于迁移学习的交通标志分类方法。该方法在比利时交通标志数据集上进行了实验,采用不同的微调方法,在主流的网络模型间进行了对比分析。实验结果表明,所提出的方法对于交通标志分类的准确率较高,达到98.678%。
- 刘艳王乐乐
- 关键词：智能交通卷积神经网络交通标志
- 一种基于主存Δ-tree的高维数据KNN连接算法被引量：7
- 2010年
- KNN连接作为数据挖掘的基元,可以用来大幅度提高相似搜索、数据分析和数据挖掘的速度.到目前为止,对KNN连接的研究主要在基于磁盘系统的背景下进行,假设数据库太大以至于不能装入主存.随着RAM越来越大,价格也越来越低廉,这种假设逐渐受到挑战.因此,有必要重新对基于主存的KNN连接进行研究.在高效主存索引的基础上,采用编码解码、自底向上、深度优先遍历和剪枝等技术提出了一种新的KNN连接算法Δ-tree-KNN-Join.该算法解决了KNN连接中确定搜索半径困难的问题,提高了连接效率.在真实数据和合成聚类数据上进行了实验,结果显示Δ-tree-KNN-Join是一种有效的主存KNN连接算法.
- 刘艳郝忠孝
- 关键词：高维空间主存数据挖掘
- 高维主存kNN连接索引结构的核心算法
- 2011年
- kNN(k最近邻)连接是高维数据库中的一种重要但代价昂贵的基本操作。随着RAM容量越来越大且价格逐渐低廉,更多的数据集能够被装入主存。如何实现快速主存kNN连接,引起人们的关注。索引Δ-tree-R和-Δtree-S是根据kNN连接的特点专门为主存kNN连接设计的索引。结合编码、节点中心重合技术,给出了构建Δ-tree-R和-Δtree-S的核心算法及相关证明,实验表明,基于该索引的主存kNN连接算法-Δtree-KNN-Join明显优于目前已存在的可用于主存的kNN连接算法Gorder。
- 刘艳郝忠孝
- 关键词：高维空间主存索引结构
- 基于Δ-tree的自底向上的深度递归KNN查询算法被引量：2
- 2011年
- Δ-tree是一种新提出的多层索引结构,能够加速主存环境中的高维查询。在该高效主存索引的基础上,提出了改进的KNN搜索算法BU_DF_knn_Search,该算法通过定位技术、自底向上、深度优先遍历及过滤策略设计而成,解决了KNN查询中搜索半径未知的难题。在高维数据集上进行了实验,结果显示算法BU_DF_knn_Search比Δ-tree已有的KNN搜索算法具有更高的效率。
- 刘艳郝忠孝
- 关键词：高维索引主存K最近邻查询深度优先搜索
