公共文化服务平台

何萍: 作品数：15 被引量：31H指数：3; 供职机构：扬州大学信息工程学院更多>>; 发文基金：国家自然科学基金江苏省自然科学基金江苏省教育厅自然科学基金更多>>; 相关领域：自动化与计算机技术文化科学理学水利工程更多>>

合作作者

面向深度学习的个性化数字学习: 2021年; 深度学习是近年来教育理论研究的重要成果。它提倡主动、批判性地学习,要求学习者在不同社会情境中通过深度理解复杂概念和有效迁移知识,解决复杂问题,最终促进学习者高阶思维能力的发展。因此,如何促使学习者进行信息深度加工,构建结构化的知识体系,满足其个性化学习和高阶思维能力发展的需求,是目前的研究焦点。文章在阐述深度学习内涵的基础上,研究如何通过个性化数字学习,促进学生在深度学习各个层次上的能力提升,并探讨了如何使用人工智能技术,来自动化地评估学生的各项深度学习能力。; 何萍徐晓华; 关键词：个性化学习人工智能

监督式谱空间分类器: 2012年; 提出了一种非线性的监督式谱空间分类器(supervised spectral space classifier,简称S3C).S3C首先将输入数据映射到融合了训练数据判别信息的低维监督式谱空间中,然后在该监督式谱空间中构造最大化间隔的最优分割超平面,并把测试数据以无监督的方式也映射到与训练数据相同的新特征空间中,最后,直接应用之前构建的分类超平面对映射后的测试数据进行分类.由于S3C使研究者可以直观地观察到变化后的特征空间和映射后的数据,因此有利于对算法的评价和参数的选择.在S3C的基础上,进一步提出了一种监督式谱空间分类器的改进算法(supervised spectral space transformation,简称S3T).S3T通过采用线性子空间变换和强迫一致的方法,将映射到监督式谱空间内的数据再变换到指定的类别指示空间中去,从而获得关于测试数据的类别指示矩阵,并在此基础上对其进行分类.S3T不仅保留了S3C算法的各项优点,而且还可以用于直接处理多分类问题,抗噪声能力更强,性能更加鲁棒.在人工数据集和真实数据集上的大量实验结果显示,S3C和S3T与其他多种著名分类器相比,具有更加优越的分类性能.; 何萍徐晓华陈崚; 关键词：谱方法维数约减

基于降维和支持向量机的医学诊断被引量：2: 2018年; 在基于机器学习的医疗诊断系统中,分类算法的设计至关重要。为了提高医疗诊断系统的分类准确率,提出了先降维后分类的方法。采用有监督的LLE算法对高维医学数据进行特征提取。通过SVM算法对降维后的医学数据进行分类。以UCI数据库为数据来源,在MATLAB平台上进行各种分类算法的比较。实验结果表明,新算法的分类识别率和时间复杂度均优于传统的分类算法,非常适用于医学诊断领域。; 张蕾何萍荣静; 关键词：SVM算法

奇异向量空间树分类器: 本文提出了一种基于奇异向量空间的树分类器(ST)算法，通过将数据从原属性空间变换到正交的奇异向量空间，在新空间内间接构建原空间的近似最优斜决策树，从而改善树分类器的泛化性能。ST算法无需参数调节，分类结果不受样本随机重排...; 何萍徐晓华陈崚; 关键词：决策树算法分类器; 文献传递

自适应时间平滑的演化谱聚类: 2021年; 传统的聚类算法一般只适用于静态数据的处理,而真实世界的数据往往数据量大且变化多,静态的聚类算法不能为动态数据提供其演化规律的分析学习。演化数据的聚类,一方面要正确反映每一时刻数据的合理簇划分,另一方面又要使动态的聚类结果在演化过程中尽可能平滑。本文提出了一种自适应时间平滑的演化聚类框架,该模型考虑到当前时刻数据与历史时刻数据的未知关联,通过限定时间回溯的范围,自适应地寻找与当前快照最相关的历史快照,并通过有机融合基于Itakura-Saito距离的静态相似度和基于时间序列的动态相似度,计算各个时间片快照上的相似度矩阵。本文进一步提出了两种自适应时间平滑的演化谱聚类算法,从不同的角度定义时间代价,得到不同的演化聚类结果。在真实数据集上的实验表明这两种算法能够有效地利用历史数据,在聚类结果上准确性更高,时间平滑性也更好。; 何萍姜玉麟徐晓华林惠惠葛方毅方威仁祥; 关键词：谱聚类

峰值点非负矩阵分解聚类算法被引量：1: 2021年; 非负矩阵分解模型是一种常见的数据降维方法。在现有非负矩阵分解算法用于聚类的研究中,每个类别一般仅由一个或者指定多个中心点表示,然而这种表示方式往往无法准确描述其类别的特征和结构,从而影响聚类效果。为了解决这个问题,本文提出了峰值点非负矩阵分解算法。该算法首先为数据集找到多个密度峰值点,并构建密度峰值点和样本点的二部图,然后利用二部图完成聚类。此外该算法引入流形图正则化项来充分利用数据间的流形结构信息,并给出了算法的迭代更新规则。在大量真实数据集上的实验结果表明,该方法可以更加有效地利用数据本身的结构信息,从而提高聚类效果。; 徐晓华方威何萍仁祥姜玉麟葛方毅; 关键词：非负矩阵分解降维聚类分析

“算法设计与分析”教学模式探讨被引量：6: 2009年; 本文提出在教学过程中采用结合学习兴趣、当堂练习、因材施教和多维教学的四位一体的教学模式,提高"算法设计与分析"课程的教学质量,并对其考核方式提出了建议。; 徐晓华何萍陈崚胡孔法; 关键词：算法设计与分析计算机专业教学

基于行为知识空间的多分类器网络流量分类方法被引量：1: 2016年; 为了提高网络流量的分类精度,提出一种面向关注应用的多分类器网络流量分类方法.该方法中基分类器是为每个关注的应用而构建的独立分类器,利用行为知识空间对基分类器的输出进行组合并导出最终判定.实验结果表明,该方法能降低多分类器系统构建的复杂性,且分类精度优于单分类器方法.; 王江孙美凤张炜何萍; 关键词：网络流量分类多分类器

Android平台上移动应用程序开发的双语教学模式探讨: 2013年; 本文针对Android平台上移动应用程序开发的双语教学，提出英文教材有利有弊，语言障碍导致教学重点偏离，以及双语教学师资培养滞后三大难点，并探讨了这些难点的解决方法，以确保双语教学的顺利开展。; 何萍徐晓华; 关键词：ANDROID平台双语教学

双层随机游走半监督聚类被引量：12: 2014年; 半监督聚类旨在根据用户给出的必连和不连约束,把所有数据点划分到不同的簇中,从而获得更准确、更加符合用户要求的聚类结果.目前的半监督聚类算法大多数通过修改已有的聚类算法或者结合度规学习,使聚类结果与点对约束尽可能地保持一致,却很少考虑点对约束对周围无约束数据的显式影响程度.提出一种由在顶点上的低层随机游走和在组件上的高层随机游走两部分构成的双层随机游走半监督聚类算法,其中,低层随机游走主要负责计算选出的约束顶点对其他顶点的影响范围和影响程度,称为组件;高层随机游走则进一步将各个点对约束以自适应的强度在组件上进行约束传播,把它们在每个顶点上的影响综合在一个簇指示矩阵中.UCI数据集和大型真实数据集上的实验结果表明,双层随机游走半监督聚类算法比其他半监督聚类算法更准确,也比较高效.; 何萍徐晓华陆林陈崚; 关键词：半监督聚类随机游走组件

何萍

合作作者

文献类型

领域

主题

机构

作者

传媒

年份

用户反馈

何萍

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