韩璐
- 作品数:19 被引量:41H指数:4
- 供职机构:南京邮电大学更多>>
- 发文基金:国家社会科学基金国家自然科学基金江苏省教育厅哲学社会科学基金更多>>
- 相关领域:文化科学自动化与计算机技术电子电信政治法律更多>>
- 多视图的子空间学习及在图像分类中的应用研究
- 在模式识别、计算机视觉和数据可视化等领域的实际应用中,同一个物体通常被表示为多个高维特征空间中的数据,即多视图数据。多视图数据往往比单视图数据包含更多的互补信息,更有利于分类,因此,近年来多视图学习技术得到了越来越多的研...
- 韩璐
- 关键词:图像分类子空间学习人脸数据库
- 文献传递
- 自媒体环境下青少年媒介素养家庭影响因素的实证研究
- 传播学理论家麦克卢汉提出过一个著名论断:“媒介即讯息。”计算机的普及和互联网技术的发展,使得信息与数据的生产、传播、接收和处理等各方面对人们提出了更高的技能要求。在自媒体时代,如何高效地使用新媒介为己所用为社会所用,如何...
- 韩璐
- 关键词:青少年媒介素养家庭教育
- 文献传递
- 移动通信基站与道路照明灯杆融合发展研究
- 通信基站是移动通信网络的重要承载基础设施,随着技术演进和城市发展,其建设形态逐步走向多样化。传统宏基站的建设方式已无法满足上海等特大城市、密集城市多层次网络覆盖的需求,而4G深度覆盖和5G规模试验,也对新形态基站建设提出...
- 韩璐
- 关键词:移动通信
- 基于慕课的“微型计算机原理与接口技术”教学模式被引量:4
- 2018年
- "微型计算机原理与接口技术"是高等院校计算机专业的必修课程,知识体系庞大。课程旨在培养学生建立对微机系统的整体概念结构的理解,特别是各类寄存器的使用及对芯片编程。针对本门课程的内容和特点,在分析目前课堂教学的现状的基础上,提出基于慕课的教学模式,以提升学生的自主学习的能力。教学实践表明,所提出的慕课教学模式能较大地提升该课程的教学效果。
- 韩璐李鹏
- 关键词:计算机接口技术寄存器
- 一种基于跨模态多任务深度度量学习的草图人脸识别方法
- 本发明公开了一种基于跨模态多任务深度度量学习的草图人脸识别方法,首先构建人脸样本图像数据库并进行预处理,对样本进行两两配对,形成草图和正常图片的两种模态的配对;然后对每一个草图和正常图片这两种模态使用对应的神经网络来学习...
- 吴飞冯宇健季一木荆晓远胡长晖韩璐
- 文献传递
- 一种新型离散卷积编译码器数学模型的研究
- 2008年
- 介绍一种易于软件实现的新型离散卷积编译码器的数学模型,通过修改生成矩阵的表述方法来完成一个普通的卷积码编译过程,并给出该算法的流程。这种数学模型与传统数学模型相比,时间复杂度低,且易于软件实现。
- 余雪勇韩璐贾光炯
- 关键词:卷积码生成矩阵纠错码
- 当代高校的强化学生创新创业思维的培养模式研究与探索被引量:3
- 2013年
- 当代中国高等教育的跨越式发展和宏观经济形势的变化对中国传统的就业教育模式提出了严峻的挑战,人们对创业教育的关心达到了前所未有的程度,同时对人的创业素质的养成也提出了更高的要求。如何发挥创业教育应有的作用,更好地培养大学生的创业素质,成了我们当前急需解决的问题之一。讨论创业教育与创业素质之间的关系,分析当前我国创业教育的现状,阐述高校开展创业教育现实意义和理论意义,在明确开展创业教育原则的基础上,提出高校开展创业教育的对策。
- 余雪勇韩璐
- 关键词:创新创业创业素质
- 基于选择调整算法的AVL树快速增删算法的研究与实现
- 2007年
- 提出一种基于非递归的AVL树算法,旨在提高对AVL树节点的增删操作的效率,并与现有的AVL算法进行对比测试。
- 韩璐林华坚
- 关键词:AVL树递归
- 社交媒体在教学中的运用及其影响被引量:21
- 2014年
- 社交媒体在当前的教学中越来越广泛的运用,既产生了一些积极影响,包括加强了学生在学习活动中的合作、提高了学习热情和参与度、创造了更多学习的机会、降低教学成本、进一步促进了教学模式的变革等,同时也导致了一些不容忽视的负面影响,如对学生的独立自主、诚信和创造性形成挑战,造成学生学习注意力分散、缺乏韧性和反思,教学容易受到不当信息的干扰,影响学生在真实环境下学习交流能力的发展等。为此,各级学校应有步骤、有计划地制订社交媒体运用于教学的推广计划,充分调查师生使用社交媒体的现状,充分发挥教师的作用。
- 卢锋唐湘宁韩璐
- 关键词:社交媒体教学
- 基于Bagging集成学习的多集类不平衡学习被引量:6
- 2021年
- 类不平衡分类问题是模式识别与机器学习领域研究的热点问题之一,广泛出现在软件缺陷预测、医疗诊断、目标检测等实际应用场景中。现有的类不平衡学习算法通常关注如何通过减少多数类样本数量或增加少数类样本数量来平衡数据集,而忽视了类不平衡数据中常存在的噪声样本以及各类样本间分布重叠的问题,导致算法的分类性能有待提升。为解决上述问题,提出基于Bagging集成学习的多集类不平衡学习算法。该算法由基于Bagging的多集构建和特征提取与多集融合两个模块构成,基于Bagging的多集构建部分通过改进的重采样算法构建多个平衡训练集并去除多数类样本中的噪声样本;特征提取与多集融合部分利用线性判别分析提高样本分离度并融合多个训练集所训练的分类器的预测结果。实验结果表明,该方法具有良好的类不平衡分类性能。
- 肖梁韩璐魏鹏飞郑鑫浩张上吴飞
- 关键词:重采样线性判别分析