张敏
- 作品数：43 被引量：108H指数：7
- 供职机构：大连大学更多>>
- 发文基金：国家自然科学基金辽宁省自然科学基金辽宁省教育厅高等学校科学研究项目更多>>
- 相关领域：自动化与计算机技术机械工程文化科学电子电信更多>>
- 径向蜗形凸轮机构的计算机辅助设计及制造
- 于云满张敏
- 关键词：高速凸轮机构计算机辅助设计计算机辅助制造
- 基于神经网络的模糊决策树改进算法被引量：8
- 2021年
- 传统决策树通过对特征空间的递归划分寻找决策边界,给出特征空间的“硬”划分。但对于处理大数据和复杂模式问题时,这种精确决策边界降低了决策树的泛化能力。为了让决策树算法获得对不精确知识的自动获取,把模糊理论引进了决策树,并在建树过程中,引入神经网络作为决策树叶节点,提出了一种基于神经网络的模糊决策树改进算法。在神经网络模糊决策树中,分类器学习包含两个阶段:第一阶段采用不确定性降低的启发式算法对大数据进行划分,直到节点划分能力低于真实度阈值ε停止模糊决策树的增长;第二阶段对该模糊决策树叶节点利用神经网络做具有泛化能力的分类。实验结果表明,相较于传统的分类学习算法,该算法准确率高,对识别大数据和复杂模式的分类问题能够通过结构自适应确定决策树规模。
- 张敏彭红伟颜晓玲
- 关键词：决策树神经网络
- 移动O2O环境下的基于多医学因素的Skyline双过滤检索系统
- 本发明提供了移动O2O环境下的基于多医学因素的Skyline双过滤检索系统，以解决现有移动网络结果集过大的问题，技术要点是：包括医生终端、客户终端和云端；使用医生终端进行O2O环境下的实时医学流数据采集，使用客户终端发起...
- 季长清张敏宋晗李媛媛
- 文献传递
- 一种改进的基于密度聚类模糊支持向量机被引量：7
- 2009年
- 为了提高模糊支持向量机在数据集上的训练效率,提出一种改进的基于密度聚类(DBSCAN)的模糊支持向量机算法。运用DBSCAN算法对原始数据进行预处理,去除对分类贡献小的中心样本,用剩余的边缘样本集合完成模糊支持向量机的训练工作。实验表明,该方法形成的聚类边缘样本较好地保持了原样本的分布情况,在保证分类精度的同时,大大缩短了训练时间,提高了工作效率。
- 张恒邹开其崔杰张敏
- 关键词：模糊支持向量机密度聚类
- 基于向量和矩阵的频繁项集挖掘算法研究被引量：7
- 2013年
- 为了能快速、高效地从事务数据库中挖掘所有的频繁项集,提出了一种基于向量和矩阵的VMA高效算法。该算法只需扫描数据库一次,将事物数据库转化到布尔向量中,对频繁1-项集按支持度大小进行非递减排序,排序后在很大程度上减少了用于扩展的k-项集(k>2),生成一个2-项集支持度矩阵,由频繁k-项集(k≥2)扩展生成频繁(k+1)-项集。大量实验结果表明,VMA算法的性能不但明显优于Apriori算法,而且适应于大型事务数据库中频繁项集挖掘。
- 张敏姚良威侯宇
- 关键词：频繁项集APRIORI算法
- 纯滚动的包络蜗杆机构
- 1997年
- 现代高速包装机多采用高效率、小体积、高强度的包络环面蜗杆机构完成一定的降速作用，即具有双包络蜗杆传动机构的优点．又具有纯滚动滚子传动的优点。因此，这是一种非常新型的纯滚动机构，具有推广价值。
- 张敏于云满
- 关键词：纯滚动包装机
- n类排列的最少对换次数及其程序设计
- 1995年
- 本文以排列矩阵及其等和变换为工具，给出两种计算ｋ（Γ＿ｎ）的方法，从而解决了如何以最少次数的对换将一个ｎ类排列化为标准排列的问题，并对其中的变换法给出Ｃ－语言的程序设计。
- 张敏王炳安
- 关键词：排列矩阵程序设计
- 基于细菌群体趋药性优化的k-means算法被引量：3
- 2009年
- 细菌趋药性算法是一种新的仿生进化算法,针对细菌趋药性算法,介绍了其基本原理,讨论了一种改进的算法——细菌群体趋药性(BCC)算法。将细菌群体趋药性优化方法应用在k-means聚类分析中,以类内离散度和为目标函数,建立了BCC优化的k-means算法模型,利用BCC算法的全局搜索能力,很大程度上避免了k-means算法易陷入局部极小的缺陷,同时也降低了算法对初始值的敏感度。并给出了一些实验,结果令人满意。
- 于来行张敏葛斌
- 关键词：K-MEANS算法聚类算法
- 纯滚动平面一次包络环面蜗杆机构被引量：1
- 1996年
- 本文介绍了纯滚动平面一次包络环面蜗杆的啮合原理和廓面几何形状的推导和应用范围。
- 胡萍关浩于云满张敏
- 关键词：纯滚动环面蜗杆
- 房颤预测决策树及其剪枝的方法
- 房颤预测决策树及其剪枝的方法，属于数据处理领域，为了解决建决策树以挖掘出影响房颤预测的指标的问题，决策树中根节点A峰，该属性是信息增益率最大的，它的正常范围是41到87，决策树的第一个分支，当a<＝0时,a指代的是...
- 张敏张树龙汪祖民杨慧英
