黄伟
- 作品数:4 被引量:6H指数:1
- 供职机构:福建师范大学软件学院更多>>
- 发文基金:国家自然科学基金福建省自然科学基金更多>>
- 相关领域:自动化与计算机技术电气工程更多>>
- 下一代测序纠错方法综述被引量:1
- 2016年
- 在面向下一代的测序技术中,前期纠错方法决定着测序的最终序列质量,因此成为当前研究热点,很多不同的纠错方法被提出,对于这些方法的优缺点以及它们适合的应用,应该有清晰的认识和公正的评估.介绍了现存的各种下一代测序的纠错技术.首先,从各种不同工具所基于的底层算法进行分析;接着,从测序不同平台来看读段错误形成的特点;然后,从各种不同的测序应用角度来观察读段序列错误特征;最后,总结并阐述读段序列纠错工具存在的问题和发展趋势.
- 江育娥黄伟林劼
- 关键词:下一代测序纠错方法
- 基于多因素加法模型的中期电力负荷预测被引量:5
- 2016年
- 提前准确预测所需电力负荷,做好电力规划是电力部门保证电力供应稳定不可或缺的重要环节.基于欧洲智能网络(EUNITE)竞赛电力数据和北美电力数据,提出一种多因素加法模型,进行中期电力预测.考虑到温度、假期、星期等因素对电力负荷产生不同的影响,拟合出这些因素与电力负荷之间的映射关系,相加得到电力负荷预测的函数.还比较了业界常用的7种不同的算法模型,使用6种不同指标对这些模型和多因素加法模型进行评估,实验结果发现,在这8种不同算法模型中,多因素加法模型有着更加精确的预测性能,运算速度比其他模型快,并且模型更加容易理解和解释.
- 翁金芳黄伟江育娥林劼
- 关键词:负荷预测数据挖掘
- 云环境下软件错误报告自动分类算法改进
- 2016年
- 用户提交的软件错误报告随意性大、主观性强且内容少导致自动分类正确率不高,需要花费大量人工干预时间。随着互联网的快速发展用户提交的错误报告数量也不断增加,如何在海量数据下提高其自动分类的精确度越来越受到关注。通过改进词频-逆文档频率(TF-IDF),考虑到词条在类间和类内出现情况对文本分类的影响,提出一种基于软件错误报告数据集的改进多项式朴素贝叶斯算法,同时在Hadoop平台下使用MapReduce计算模型实现该算法的分布式版本。实验结果表明,改进的多项式朴素贝叶斯算法将F1值提高到71%,比原算法提高了27个百分点,同时在海量数据下可以通过拓展节点的方式缩短运行时间,有较好的执行效率。
- 黄伟林劼江育娥
- 关键词:文本自动分类云计算
- 改进的软件错误报告自动分类算法
- 2015年
- 软件错误报告的自动分类能够节省大量人力和时间,然而用户提交的错误报告主观性较强,对错误报告的描述较随意,造成自动分类的效率低下。为此,基于传统的词频-逆向文件频率(TF-IDF)算法,结合文档内词条频度与词条在同类别及不同类别文档中的分布情况,提出2种特征降维的改进算法,降维后再对词条进行权值处理,进一步提高特征降维的效果。实验结果表明,应用该算法得到的错误报告自动分类在精确率、召回率、F1值和准确度等指标上比现有算法都有明显提高。
- 黄伟林劼江育娥江秉华
- 关键词:特征降维文本自动分类