公共文化服务平台

杨梅: 作品数：17 被引量：48H指数：4; 供职机构：西南石油大学计算机科学学院更多>>; 发文基金：国家自然科学基金四川省自然科学基金四川省应用基础研究计划项目更多>>; 相关领域：自动化与计算机技术文化科学语言文字一般工业技术更多>>

合作作者

C语言程序设计课程思政与计算思维互融教学探索被引量：2: 2022年; 针对如何有效提升非计算机专业学生的计算思维能力并对学生人生观、价值观、世界观进行价值塑造的问题,提出课程思政与计算思维互融教学模式,以C语言程序设计课程为例,介绍思政和计算思维互融教学设计,探讨如何采用深度学习混合式教学培养计算思维和践行思政教育,给出多阶段、多维度的课程评价方法.; 杨绪华刘丽艳杨梅; 关键词：计算思维教学模式

多示例学习的可行域定位及快速因果实例选择: 2023年; 提出了一种多示例学习的可行域定位及快速因果实例选择(feasible region localization and fast causal instance selection for multi-instance learning,FFCM)算法,包含3个技术。可行域定位技术基于距离度量,从正包中选出具有代表性的实例作为候选实例;然后利用概率分析筛选负裁判包,以最大限度缩减选择因果实例的可行域范围。快速因果实例选择技术利用候选实例与负裁判包的因果关系构建融合包,设计因果性评判指标,使用先验知识从候选实例中选择出因果实例。包映射技术基于因果实例和差值映射函数,将包映射为有较高可区分性的单向量。本算法在27个常用数据集上进行了实验,并与6个前沿的MIL算法进行了对比,实验结果展示了FFCM的良好分类性能。; 杨梅柯文静杨梅; 关键词：可行域映射多示例学习

基于师生赋能的计算机公共课程体系四维协同教学探索: 2023年; 结合传统工科专业改造升级对信息技术融合创新的新需要,以“基于师生赋能的新三中心理论”为基础,提出符合地方高校传统工科专业实际、利于大规模复制推广的计算机公共课程体系四维协同方案,从一体化视角探讨如何对课程平台、课程资源、教学方法、师生评估进行系统改革,介绍方案细化的实施过程,最后说明教改效果。; 王杨杨梅王玥胡杨

以系统能力培养为导向的计算机组成原理课程教学研究被引量：7: 2015年; 针对目前国内大部分高校计算机组成原理的课程体系缺乏系统性、教学内容及教学模式陈旧的现状,提出以培养系统能力为导向的教学方法和模式,阐述以课堂教学体系为基础、以梯度化实验教学为支撑、将MOOC平台与SPOC教学模式相结合,以第二课堂为拓展的教学实施体系,实现系统能力培养的教学目标。; 杨梅刘义军郑津; 关键词：计算机系统计算机组成原理

三支边缘过采样的不平衡文本情感分类: 2024年; 在实际应用中,少数类样本往往包含重要信息,而传统机器学习方法通常对少数类样本的分类准确率低,且误分类代价较高。针对不平衡文本数据的情感分类问题,以三支采样(three-way sampling, 3WS)与过采样为基础,提出了三支过采样算法(three-way SMOTE,3WOS)和三支边缘过采样算法(three-way borderline-SMOTE,3WOBS),3WOS能够更好地识别边界区域上的数据,3WOBS可以增强边界区域所蕴含的信息。首先,将文本数据构建为超球,获得超球边缘的支持向量。其次,3WOS对边缘上的支持向量直接进行过采样以生成合成新样本并更新样本集,3WOBS则在生成合成新样本后根据给定条件判断是否获得该新样本并更新样本集。最后,将更新的样本集放在不同的基分类器上进行对比实验。实验采用了3个不平衡数据集,并保证了不同的不平衡比。同时,在数据集训练过程中引入粒计算思想,确保模型的鲁棒性。实验结果表明,3WOS-ITSC与3WOBS-ITSC准确率较高且代价低于其他模型,为不平衡文本分类问题提供了新思路。; 余啟煬方宇李昭宸刘畅杨梅; 关键词：情感分类不平衡数据采样粒计算

渗透性气体介质沿机械密封端面逆泄漏方向逃逸行为数值研究被引量：2: 2018年; 研究穿透性、挥发性较强的气体介质如氦气、氩气、氟利昂沿机械密封端面逆泄漏通道向阻隔液的扩散问题。针对某型主泵双端面机械密封,以32#透平油作为阻隔液,基于分子动力学计算氩气分子、氟利昂分子在32~#透平油中的平均均方位移,采用线性拟合方法获得氩气分子、氟利昂分子的近似扩散系数,计算接触式机械密封的泄漏量,并与氩气、氟利昂气体反向渗透量进行比较。结果表明,该型机械密封在正常工作过程中,氩气、氟利昂等渗透性较强的气体不存在通过扩散作用沿机械密封逆泄漏方向逃逸至大气的可能。; 陈侃杨梅夏钰鸿张尔卿李志山李龙; 关键词：气体扩散分子动力学机械密封透平油

半监督多示例分类的两层粒化与空间转换方法被引量：1: 2022年; 多示例学习(MIL)的任务是训练一个有效的分类器,以处理具有复杂数据结构的包。一个包对应一个样本,由多个实例构成,描述了样本的信息特征。基于标准MIL假设,如果包中至少有一个正实例,则该包为正,反之为负。已有的多示例学习算法通常将包看作一个整体或基于整个实例空间进行学习。然而,数据集中通常包含噪声,将对分类结果造成一定的影响。本文提出半监督多示例分类的两层粒化与空间转换方法(TSSM)。首先,在单包粒度层次上,设计基于密度与距离的去噪技术,获得特征值更为突出的包。其次,在数据集粒度层次上,设计关键包选择技术,获得更具全局代表性的关键包。最后,利用基于关键包的空间转换技术,获得新的数据嵌入,以构建更加精确的分类器。实验结果表明TSSM比大多数MIL分类算法有更高的性能。; 杨梅唐文韬王轩闵帆; 关键词：多示例学习半监督学习粒化去噪

RC4流密码原理与硬件实现被引量：3: 2009年; 本文介绍了RC4流密码的原理,并在此基础上设计了快速生成密钥流的硬件方案,并在理论上分析了密钥流的生成速度。; 杨梅张耀文; 关键词：RC4 流密码硬件

利用公钥改进的kerberos设计校园网认证机制被引量：2: 2010年; 分析了传统Kerberos的攻击防范能力及其优缺点,并结合校园网的一些特点,基于ElGamal算法的Yaksha公钥系统设计校园网Kerberos认证系统。; 杨梅; 关键词：KERBEROS 校园网

多示例学习的两阶段实例选择和自适应包映射算法被引量：1: 2022年; 多示例学习(Multi-Instance Learning,MIL)研究对象的内部结构比单示例学习更加复杂.已有的MIL方法大都基于原始空间中的实例进行包映射,但这些方法通常忽略包的内部结构信息,难以保证所选实例与包在新特征空间中的关联性.提出一种多示例学习的两阶段实例选择和自适应包映射(TAMI)算法.首先,实例选择技术根据包中实例的密度值和关联性,挖掘包内结构特征,选取实例原型;其次,实例选择技术选取具有峰值密度的实例原型作为代表实例;最后,自适应包映射技术通过定义新的映射函数将包转换为单向量进行学习.实验利用显著性检验从统计学的角度验证了TAMI在图像检索、文本分类等基本数据集上的有效性.结果表明,TAMI在图像检索和医学图像数据集上取得了比其他MIL算法更好的效果,并在文本分类数据集上表现良好.; 杨梅曾雯喜方宇闽帆; 关键词：多示例学习

杨梅

合作作者

文献类型

领域

主题

机构

作者

传媒

年份

用户反馈

杨梅

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