您的位置： 专家智库 > >

李文平

作品数：6 被引量：36H指数：3
供职机构：嘉兴学院数理与信息工程学院更多>>
发文基金：国家自然科学基金国家教育部博士点基金黑龙江省自然科学基金更多>>
相关领域：自动化与计算机技术天文地球更多>>

合作作者

文献类型

  • 6篇中文期刊文章

领域

  • 5篇自动化与计算...
  • 1篇天文地球

主题

  • 2篇数据场
  • 2篇数据流
  • 2篇大数据
  • 1篇多数据流
  • 1篇多维数据
  • 1篇多维数据流
  • 1篇隐私
  • 1篇隐私保护
  • 1篇云计算
  • 1篇云模型
  • 1篇征子
  • 1篇特征提取
  • 1篇特征子空间
  • 1篇图像
  • 1篇图像分割
  • 1篇子空间
  • 1篇维数
  • 1篇联系度
  • 1篇集对分析
  • 1篇计算机

机构

  • 6篇哈尔滨工程大...
  • 2篇嘉兴学院

作者

  • 6篇杨静
  • 6篇李文平
  • 6篇张健沛
  • 2篇印桂生

传媒

  • 1篇武汉大学学报...
  • 1篇自动化学报
  • 1篇通信学报
  • 1篇电子学报
  • 1篇四川大学学报...
  • 1篇吉林大学学报...

年份

  • 2篇2015
  • 2篇2013
  • 1篇2012
  • 1篇2011
共 6 条 记 录，以下是 1-6
全选 清除 导出
排序方式：
基于秩2更新的多维数据流典型相关跟踪算法被引量：6
2012年
现存的多维数据流典型相关分析(Canonical Correlation Analysis,简称CCA)算法主要是基于近似技术的求解方法,本质上并不是持续更新的精确算法.为了能在时变的环境中持续、快速而精确地跟踪数据流之间的相关性,本文提出一种多维数据流典型相关跟踪算法TCCA.该算法基于秩2更新理论,通过并行方式持续更新样本协方差矩阵的特征子空间,进而实现多维数据流典型相关的快速跟踪.理论分析及仿真实验结果表明,TCCA具有较好的稳定性、较高的计算效率和精度,可以作为基本工具应用于数据流相关性检测、特征融合、数据降维等数据流挖掘领域.
杨静李文平张健沛
关键词：多维数据流特征子空间
大数据典型相关分析的云模型方法被引量：26
2013年
针对传统大数据典型相关分析(CCA,canonical correlation analysis)方法的高复杂度在面临大数据PB级数据规模时不再适应的现状,提出了一种基于云模型的大数据CCA方法。该方法在云计算架构的基础上,通过云运算将各端点云合并为中心云,并据此产生中心云滴,以中心云滴作为大数据的不确定性复原小样本,在其上施以CCA运算,中心云滴的较小数据量提高了运算效率。在真实数据集上的实验结果验证了该方法的有效性。
杨静李文平张健沛
关键词：大数据云模型云计算
基于酶数值P系统的大数据场分析方法
2013年
为了解决大数据环境下快速求解数据场势值的计算效率问题,基于膜计算领域的酶数值P系统(ENPS),提出一种数据场分析方法。该方法先引入转移P系统对ENPS加以改进,以提高后者的流程可控性,再基于改进的系统给出计算大数据场势值的ENPS的具体实现。P系统的极大并行性导致大数据场势值求解在3步内完成,每个步骤的计算时间为常数,且与数据规模无关。在真实人脸图像数据场上的实验结果验证了此方法的高效性。
李文平杨静张健沛
关键词：数据场大数据
一种基于SPA的多数据流同异反分析法被引量：2
2011年
提出了一种分析多数据流变化趋势的新方法。该方法引入集对分析思想,使用峰值数据进行分析,计算简单、数据量小。实验表明,峰值的变化趋势较能真实地反映数据流的变化趋势;同时,本方法对解决样本点个数不一致的问题是有效的。
杨静李文平张健沛
关键词：多数据流集对分析联系度
基于CCA的个性化轨迹隐私保护算法被引量：1
2015年
针对轨迹隐私保护的个性化需求问题,提出一种基于典型相关分析的个性化轨迹隐私保护算法。算法对数据产生者认为不敏感的轨迹直接发布,而仅对数据产生者认为敏感的轨迹施以隐私保护操作。隐私保护过程中,先由不敏感轨迹和敏感轨迹获得二者的隐变量,再根据隐变量产生随机轨迹以替代敏感轨迹。该算法不仅能较好地尊重数据产生者的隐私保护意愿,而且能获得较高的轨迹质量。在真实轨迹数据上的实验结果验证了算法的有效性。
李文平杨静张健沛印桂生
关键词：计算机应用隐私保护个性化
数据场典型相关分析及其在图像分割中的应用被引量：4
2015年
针对数据场环境下多维数据的低维特征提取问题,本文将数据之间的相互作用纳入其相关性求解中,提出一种基于数据场的典型相关分析(Data field based canonical correlation analysis,DFCCA)方法.DFCCA提取的特征具有良好的分布特性,原空间上相隔较远的数据点对的特征聚集在一个较小区域内,而相邻数据点对的特征却有规律地分布在其他点所聚集区域的周围.此特性使得DFCCA具有较好的边界辨识能力,将其应用于图像分割的实验结果表明,DFCCA提取的复杂图像边界具有较好的保真度.
李文平杨静印桂生张健沛
关键词：数据场特征提取图像分割
全选 清除 导出
共1页<1>
聚类工具0