熊李艳
- 作品数：59 被引量：142H指数：6
- 供职机构：华东交通大学更多>>
- 发文基金：国家自然科学基金江西省自然科学基金教育部人文社会科学研究基金更多>>
- 相关领域：自动化与计算机技术文化科学哲学宗教交通运输工程更多>>
- 一种基于深度神经网络的人群密度估计方法
- 本申请涉及一种基于深度神经网络的人群密度估计方法，它包括如下步骤：构建人群计数数据集，并生成对应的真实密度图；构建人群密度估计模型，包括前端网络、差值纹理模块、多尺度特征提取模块、Inception‑v3组、多通道阈值置...
- 熊李艳李志炟曾一涓黄鹏黄佳文陈庆森汪恒段学伟崔强
- 学科大概念视角下基于STEM项目教学的能力培养探索
- 2023年
- 针对人工智能教学过程中存在的课程内容繁杂、缺乏复杂问题的项目实践等问题,根据地方院校的特点,提出一种学科大概念视角下基于STEM项目的人工智能导论单元教学方法,从教学目标设计、内容设计、过程设计和评价及持续改进设计4个步骤出发,阐述学科大概念引导下培养学生解决真实复杂工程问题的能力培养过程。
- 黄晓辉熊李艳喻佳曾辉
- 关键词：人工智能教学改革课程设计
- 基于Naive Bayes的中文人名识别研究被引量：2
- 2015年
- 在传统的只统计人名用字的Naive Bayes分类算法的基础上,将人名上下文边界融入其中,并利用从大规模语料库中统计的人名用字、边界模板频率对人名定界,再通过扩散操作召回遗漏人名。该方法简单易行,并能取得很好的效果。实验结果表明,其F值达到了93.28%。
- 曾辉王俊熊李艳
- 关键词：NAIVEBAYES人名识别
- 基于信息增益的Web人物关系抽取被引量：6
- 2016年
- 针对人物关系抽取中的效率与准确性问题进行了研究,提出一种基于信息增益的轻量级Web人物社会关系提取方法。它通过计算初始关系元组的关系描述词的信息增益值进而确定元组上下文位置并据此创建相应的关系抽取模板,最后利用模板实现了Web的人物关系自动提取。针对中文语义上存在相似性的问题,引入了基于《同义词词林》与基于知网的人物关系描述词扩展方法。对于某一句子内包含多个人物实体且存在多种人物关系的情况,提出了一种基于模板上下文信息增益值模糊匹配的方法来抽取符合特定人物关系的人物实体。实验结果证明该方法的平均准确率为89.92%,平均召回率为84.64%。基于信息增益的Web社交网络人物关系抽取方法能有效地完成实时语料中的关系抽取任务。
- 黄卫春徐力熊李艳钟茂生
- 关键词：关系抽取信息增益自然语言处理
- 一种关联多本体的科技奖励检索方法
- 2014年
- 现有的科技奖励检索都是基于关键词的匹配,忽略了对用户查询的语义理解。针对传统信息检索存在的问题以及结合当前面向实际应用的基于本体的语义检索的特点,提出一种关联多本体的科技奖励检索方法。通过对科技奖励项目的领域本体构建,对概念相似度计算方法的改进及关联多本体概念,使扩展词语更能表达用户检索意图。实验结果表明,该方法对比传统查询检索和单独本体扩展检索获得了更好的召回率和准确率。
- 曾辉江健健熊李艳黄卫春
- 关键词：本体构建
- 基于有效词频的改进C-value自动术语抽取方法被引量：11
- 2013年
- 现有的中文术语自动抽取方法主要针对术语的高频特征与单元性指标,而低频术语和术语的术语性指标缺乏有效的处理方法。针对上述问题,将背景语料库引入C-value方法,提出词语领域分布度与有效词频的概念,通过计算候选术语的EC-value值来自动抽取术语,并结合术语簇识别与挖掘,改善低频术语抽取性能。通过计算机领域术语抽取实验,表明本文提出的改进方法(EC-value方法)能更有效地衡量术语的术语性,改善低频术语抽取性能。
- 熊李艳谭龙钟茂生
- 一种基于空间上下文学习网络的人群密度估计方法
- 本发明公开了一种基于空间上下文学习网络的人群密度估计方法，其从公共场所的监控视频中截取不同密度的人群图像构建数据集，采用基于高斯核卷积对人群图像进行预处理，得到真实密度图；结合空间金字塔密度感知模块和空间通道注意力模块，...
- 熊李艳易虎黄晓辉黄卫春
- 基于多代理的Demand Bus模拟系统
- 2007年
- Demand Bus系统作为解决城市交通堵塞的一种新的公共运输系统在世界各地备受关注。在分析Demand Bus系统特点的基础上,提出了一种基于Q语言的多代理模拟系统框架,并且实现一个原型系统,对我国大城市使用Demand Bus系统进行了简单的评价。
- 熊李艳刘志强
- 关键词：DEMAND
- 基于局部结构保留的级联子空间深度聚类被引量：1
- 2020年
- 针对高维数据聚类的问题,许多有效的方法已经被提出,级联的子空间聚类算法CSC就是一种有效的解决法案。但是CSC算法定义的聚类损失可能破坏特征空间,从而取得非代表性的无意义特征,进而损害聚类性能。为了解决这一问题,提出了一种结合自编码器保留数据结构的改进算法。具体地说,使用聚类损失作为引导,分散特征空间数据点,同时采用一种欠完备的自动编码器作为重构损失,约束操作和维护数据生成分布的局部结构。将两者结合,共同优化聚类标签的分配,学习适合聚类的局部结构保留特征。使用自适应矩估计(Adam)和小批量随机梯度下降(mini-batch SGD)两种优化方法调整模型参数。在多个数据集上,使用聚类结果准确率(ACC)、标准互信息(NMI)和调整rand指数(ARI)三个评价指标验证了该算法的有效性和优越性。
- 熊李艳朱宁
- 关键词：高维数据聚类
- 基于联合Q值分解的强化学习网约车订单派送被引量：2
- 2022年
- 因网约车订单派送不合理,导致资源利用率和出行效率降低。基于联合Q值函数分解的框架,提出两种订单派送方法ODDRL和LF-ODDRL,高效地将用户订单请求派送给合适的网约车司机,尽可能缩短乘客等待时间。为捕获网约车订单派送场景中随机需求与供应动态变化关系,把城市定义为一张四边形网格的地图,将每辆车视为一个独立的智能体,构建多智能体马尔可夫决策过程模型,通过最大化熵与累计奖励训练智能体。将多智能体的联合Q值函数转化为易分解函数,使联合Q值函数与单个智能体值函数中的动作具有一致性,同时设计动作搜索函数,结合集中训练、分散执行策略的优点,让每辆车以分布式的方式解决订单匹配问题,而不需要与其他车辆进行协调,从而降低复杂性。实验结果表明,相比Random、Greedy、QMIX等方法,所提ODDRL和LF-ODDRL具有较优的扩展性,其中,在500×500网格上,当乘客数为10、车辆数为2时,相对于QMIX方法接送乘客所产生的总时间分别缩短5%和12%。
- 黄晓辉张雄杨凯铭熊李艳
- 关键词：多智能体值函数神经网络
