朱付保
- 作品数：69 被引量：119H指数：6
- 供职机构：郑州轻工业学院更多>>
- 发文基金：河南省科技攻关计划国家自然科学基金博士科研启动基金更多>>
- 相关领域：自动化与计算机技术文化科学经济管理天文地球更多>>
- GSPress:一个GML流压缩器被引量：2
- 2011年
- GML已成为地理数据存储和交换的标准.在实际应用中,GML数据通常以数据流的形式在网络上传输.由于GML文档含有大量重复标签和高精度浮点数,使得GML文档通常比较大.因此如何有效地压缩GML数据流来减少网络传输的代价就显得越来越重要.本文提出一种GML数据流压缩算法,它只需扫描GML文档一次,将GML文档的结构和数据分离后分别进行压缩.对GML文档中的结构部分采用自适应方法进行压缩;对坐标数据则利用增量压缩的方法压缩.实验结果表明GSPress是一种高效的GML流压缩算法.
- 于一男关佶红周水庚朱付保
- 关键词：GML数据流
- 一种模式无关的GML文档存储方法
- 本发明属于信息技术中的空间信息存储与查询技术领域，具体为一种GML文档存储方法。该方法在存储GML文档时不依赖文档对应的模式，而直接根据GML文档中的结构信息和数据信息进行存储，属于模式无关的GML文档存储方法。通过字符...
- 周水庚朱付保关佶红王发标
- 文献传递
- 基于模式映射的GML文档存储被引量：2
- 2011年
- 随着地理信息系统GIS(Geography Markup Language)的广泛应用,GML己经成为事实上的空间数据编码、传输、共享和发布的一种国际标准。近年来,大量GML数据以文档形式出现,对如何高效地存储和管理GML数据提出了新的挑战。根据GML文档的特点,提出了一种基于模式映射的存储方法。首先,根据映射规则将GML模式生成对象-关系数据库模式;其次,解析GML文档并根据映射信息构造相应的SQL语句,将数据存储于数据库。实验表明,提出的存储方法是可行、高效的。
- 王发标关佶红朱付保
- 关键词：GML模式映射
- 一种基于三维虚拟爬行角色的路径规划技术被引量：3
- 2012年
- 针对智能动画生成过程中三维虚拟爬行角色的运动特点,提出了一种基于单元面片的场景建模方式和基于碰撞检测的路径搜索方法,并在该过程中引入八叉树进行相交测试和碰撞检测,不但提高了算法实现的效率,而且使规划出的路径符合爬行角色自身运动的特点.使用控制点插值的路径优化策略对路径进行平滑处理,获得了较满意的动画效果.仿真试验表明该方法能为角色规划出最佳的路径,具有较好的完备性和一定的应用价值.
- 黄永丽朱会东朱付保
- 关键词：三维路径规划碰撞检测八叉树
- 基于数据挖掘的电力设备状态诊断系统建模被引量：4
- 2015年
- 以电力公司的业务需求为背景,为实现电力设备的状态诊断,以数据挖掘技术中的粗糙集和决策树算法为依据,采用粗糙集和决策树相结合的数据处理模型对电力设备的各属性数据进行了分析处理。综合运用粗糙集和决策树两种数据挖掘算法,通过粗糙集技术进行属性约简,并运用决策树的ID3算法对约简后的数据进行分枝、减枝得到规则集,实现对电力设备工作状态的快速、高效诊断,并根据其工作状态提供决策支持。
- 朱付保霍晓齐徐显景
- 关键词：粗糙集ID3算法知识库模型库
- 基于数据集对象平均离群因子的离群点选择算法被引量：2
- 2016年
- 针对传统的局部离群点检测算法中存在离群点判定的主观性过强的问题,通过研究局部离群点检测相关算法,提出了一种基于数据集对象平均离群因子的离群点选择算法.该算法首先求得各数据对象的邻域对象,进而根据邻域数据集合求出各自的离群因子,在进行离群点选择时计算出数据集的平均离群因子,将每个对象的离群因子与平均离群因子进行比较判断对象是否为离群点.理论分析和实验对比结果均表明,该算法在进行离群点选择时可以有效地避免离群点选择的主观性,更好地提高检测的准确率.
- 朱付保徐显景白庆春朱颢东
- 关键词：离群点数据挖掘
- 浅谈Java语言程序设计课程的教学改革方法与措施被引量：8
- 2016年
- 分析传统Java语言程序设计教学中存在的问题,从教学方法、教学模式和授课教师自身等方面阐述自己的一些观点,结合自身的教学实践,提出现代教育手段与传统教学手段相结合、理论教学与实践教学相结合、项目驱动与案例教学相结合、英文表达与汉语解释相结合的教学理念。
- 李红婵朱颢东朱付保
- 关键词：JAVA语言程序设计教学改革实践教学多媒体
- GML文档存储、索引与查询处理研究
- 朱付保
- 关键词：地理标记语言索引查询语言查询处理
- GML查询处理关键技术研究
- 朱付保
- 关键词：GML查询XQUERY
- 基于模糊C-Means的改进型KNN分类算法被引量：11
- 2017年
- KNN算法是一种思想简单且容易实现的分类算法,但在训练集较大以及特征属性较多时候,其效率低、时间开销大.针对这一问题,论文提出了基于模糊C-means的改进型KNN分类算法,该算法在传统的KNN分类算法基础上引入了模糊C-means理论,通过对样本数据进行聚类处理,用形成的子簇代替该子簇所有的样本集,以减少训练集的数量,从而减少KNN分类过程的工作量、提高分类效率,使KNN算法更好地应用于数据挖掘.通过理论分析和实验结果表明,论文所提算法在面对较大数据时能有效提高算法的效率和精确性,满足处理数据的需求.
- 朱付保谢利杰汤萌萌朱颢东
- 关键词：聚类KNN分类
