李斌
- 作品数：21 被引量：76H指数：6
- 供职机构：安徽广播电视大学更多>>
- 发文基金：安徽省高校省级自然科学研究项目安徽省高等学校优秀青年人才基金安徽省优秀青年科技基金更多>>
- 相关领域：自动化与计算机技术文化科学更多>>
- 用户评论自动推荐方法
- 本发明公开了一种用户评论自动推荐方法，所述方法步骤包括：步骤1：根据评论内容和评论者的行为对评论进行全局有用性分析研究，过滤掉一部分无用的评论；步骤2：对步骤1过滤后的评论进行评论相关信息挖掘；步骤3：抓取用户个性化信息...
- 李斌刘克礼万赛罗董露露
- 文献传递
- 基于省级统一在线平台的成人高考“随考随学”模式探讨——以安徽继续教育在线平台为例被引量：6
- 2016年
- 针对成人高考的单一的入学考试录取方式与全民终身教育理念不相适应的问题。借鉴英国、美国成人高等教育开放灵活入学方式,运用"互联网+"思维,建设类似于安徽继续教育在线平台的省级统一的成人高等教育网络教学与管理平台。运用信息技术手段,探索成人高等教育入学考试的一年多考、多元考核、自主招考、注册入学的"随考随学"模式,满足学习者在任何时间、任何地点进行学习的需求。
- 钱丰收万赛罗李斌
- 关键词：成人高考
- 用户评论自动推荐方法
- 本发明公开了一种用户评论自动推荐方法，所述方法步骤包括：步骤1：根据评论内容和评论者的行为对评论进行全局有用性分析研究，过滤掉一部分无用的评论；步骤2：对步骤1过滤后的评论进行评论相关信息挖掘；步骤3：抓取用户个性化信息...
- 李斌刘克礼万赛罗董露露
- 文献传递
- “互联网+”背景下高等学历继续教育课程教学模式改革研究——以安徽继续教育在线平台计算机应用基础课程为例被引量：13
- 2020年
- 高等学历继续教育学习规模的不断增大对高校教学支持服务质量与教学过程落实提出了新的挑战。在“互联网+”的基础上,以安徽继续教育在线平台开设的计算机应用基础课程为例,分别从教学内容与形式、教学方式与途径、考核方式与手段等方面对课程开展的教学模式进行了改革探讨,并对安徽广播电视大学两个学期中计算机应用基础课程的教学效果进行了调查与评价。
- 李斌万赛罗钱丰收李翔
- 关键词：教学模式改革计算机应用基础
- 云计算环境下并行进化神经网络的设计研究
- 2017年
- 针对提高进化神经网络进化时效性,充分利用神经网络的训练数据,提出一种在云计算Hadoop平台环境下,使用进化算法对BP神经网络的权值和网络结构进行优化,通过分布并行计算,提高进化速度和效率。理论分析和实验结果表明,在数据量较大时,该方法能有效地提高神经网络计算精度。
- 马宁李斌
- 关键词：并行进化神经网络云计算
- 组织机构名汉英翻译方法
- 本发明公开了一种组织机构名汉英翻译方法，具体步骤为：获取组织机构名实体相应的扩展查询集合；采用包含扩展集合的新的检索词检索网络资源，获取混合双语摘要资源；从混合双语摘要资源抽取组织机构名实体翻译候选并按照可信度进行排序；...
- 李斌杨建华汤诗华钱丰收马宁
- 文献传递
- 智能交通领域中机动车牌照自动识别技术研究
- 2015年
- 对车牌图像预处理和字符识别做了系统的阐述,针对字符分割采用了一种基于投影变换的分割算法,并就字符特征向量提取及字符识别方法进行了描述,设计了一种机动车牌照自动识别系统的解决方案。
- 王正玉李斌李宁辉
- 关键词：机动车牌照字符分割字符识别智能交通
- 特征选择算法研究综述被引量：10
- 2019年
- 模式识别领域中,特征选择作为预处理模块的关键步骤,特征选择函数用来降低特征空间的维数,提高分类器的分类性能。首先分析了特征选择的主要过程,从不同视角探讨了特征选择的分类方法,然后分析了基于SVM进行特征选择的作用,对基于SVM的特征选择算法进行了归纳总结,最后分析对比了基于SVM的三类特征选择的优缺点,指出理论研究和实际应用中的研究热点和应用发展方向。
- 梁伍七王荣华刘克礼李斌
- 关键词：模式识别文本分类支持向量机
- 基于对数似然比的中文文本分类特征选择研究被引量：1
- 2018年
- 在向量空间模型的中文文本分类系统中,多数传统的特征选择算法忽视低频单词对分类的正面贡献,互信息特征选择过分放大低频单词对分类的贡献。针对这一问题,通过引入对数似然比统计量,提出对数似然比特征选择算法。与互信息算法相比,低频单词对分类的贡献没有过分放大;与卡方算法相比,低频单词对分类的贡献计算更为准确。算法在考虑低频单词对分类结果产生正面影响的同时,能较好地控制其对分类产生的负面影响。采用KNN(K Nearest Neighbor)分类方法,特征选择选取对数似然比和传统特征选择算法,实验结果表明,对数似然比特征选择算法能够提高分类器的总体性能。
- 梁伍七李斌许磊江克勤
- 关键词：模式识别对数似然比文本分类向量空间模型KNN分类
- 维基百科中的实体关系抽取研究被引量：4
- 2011年
- 本文介绍了一种在维基百科文档中进行实体关系抽取的方法。首先根据维基百科文档中的超链接特征识别相关的实体,然后抽取文档中关于实体的类别信息、消歧信息、关键词等特征,并采用向量空间模型来表示。最后通过计算待测实体对与训练实体对的相似度,得出待测实体对所属的关系类别。我们分别对实体关系抽取进行了封闭测试和开放测试实验,并取得了较好的测试结果。
- 李斌马宁蒋平郭玉良
- 关键词：关系抽取维基百科
