龙渊
- 作品数：6 被引量：3H指数：1
- 供职机构：重庆大学更多>>
- 发文基金：国家自然科学基金国家科技支撑计划更多>>
- 相关领域：自动化与计算机技术更多>>
- 基于等级划分的复杂点云骨架提取方法及系统
- 本发明提出了一种基于等级划分的复杂点云骨架提取方法及系统。该方法为对无序原始点云进行归一化处理，得到归一化后的无序点云，并对其进行重采样得到采样点；将所有采样点收缩到骨架点位置，对归一化后的点云基于骨架点提取初始骨架线，...
- 刘骥吴寒龙渊
- 基于等级划分的复杂点云骨架提取方法及系统
- 本发明提出了一种基于等级划分的复杂点云骨架提取方法及系统。该方法为对无序原始点云进行归一化处理，得到归一化后的无序点云，并对其进行重采样得到采样点；将所有采样点收缩到骨架点位置，对归一化后的点云基于骨架点提取初始骨架线，...
- 刘骥吴寒龙渊
- 文献传递
- 基于聚类合并的局部离群点挖掘算法在入侵检测中的应用被引量：2
- 2015年
- 针对网络安全数据的高维度特征问题,传统的基于聚类的检测算法不能有效发现网络数据中入侵行为细节。本文提出一种改进的DBSCAN离群点挖掘算法LDBSCAN-CM,首先在传统DBSCAN算法中引入局部离群点挖掘概念,计算候选对象的局部离群因子,生成若干个聚类;其次,为了提高挖掘效率,在聚类结果的基础上,进行聚类合并;最后,采用KDD Cup99数据集对改进算法在入侵检测中的应用进行仿真实验。实验结果表明,改进算法LDBSCAN-CM能保证较高的检测率和较低的误检率。
- 梅孝辉龙渊张健博
- 关键词：入侵检测数据挖掘
- 基于局部扩充的社区发现算法并行化研究
- 2016年
- 随着社交网络的快速发展,出现成员属于多个社区的现象。现有大多数算法研究重点为重叠社区(如LFM),其中对于高度重叠的社区发现研究依然是弱点。在LFM算法的基础上,提出极大团作为种子,自适应更新局部扩充质量优化函数参数α,并将扩充过程进行并行化的一种新型方法。经过理论证明和在人造数据图以及真实网络上试验,相比LFM,该算法在准确性和效率上均有较大提高。
- 龙渊张健博
- 关键词：数据挖掘
- 基于局部扩充的重叠社区发现算法研究和改进
- 随着网络的飞速发展以及社交媒体的广泛应用，使得人与人之间的联系尤为密切。这种错综复杂的关系组成一个庞大的社交网络，因此吸引了众多学者致力于复杂网络的研究，从复杂网络中发现并抽取其中的模块结构这就是所谓的社区发现。以前学者...
- 龙渊
- 关键词：并行计算社交网络
- 基于IAA的保险业数据库系统的设计与实现
- 我国保险业正处于发展和改革时期,在全球经济信息化时代,现代信息技术的充分利用将对促进中国保险业持续、健康发展起到举足轻重的作用。随着近年来数据仓库技术的日趋成熟,有些企业为了提高企业竞争力开始尝试建设自己的数据仓库系统。...
- 龙渊
- 关键词：保险业数据仓库ETL系统
- 文献传递
