王士斌
- 作品数：8 被引量：7H指数：2
- 供职机构：河南师范大学计算机与信息工程学院更多>>
- 发文基金：河南省自然科学基金河南省高校青年骨干教师资助项目河南省科技攻关计划更多>>
- 相关领域：自动化与计算机技术文化科学更多>>
- 基于高低频特征增强和透射率修正的复杂图像去雾方法
- 2024年
- 针对复杂图像中存在非均匀散射介质(如大气湍流、烟雾、雾霾等),导致光线在不同区域的传播和散射特性不同,较难准确恢复图像能见度的问题,提出一种基于高低频特征增强和透射率修正的复杂图像去雾方法.首先,基于奇异值分解和Gamma拐点校正,设计低频特征增强方法;其次,基于Shearlet变换分解和非线性变换,得到高频特征增强方法;再次,利用软抠图精化所估计的透射率,构建透射率修正策略;最后,融合上述3种方法,根据大气光值和精化透射率,完成图像去雾,分别增强高、低频特征后,将两者叠加,获得增强的去雾图像.经去雾图像的视觉感观和客观评价指标结果验证表明,该方法的去雾效果较好,能有效恢复复杂图像的细节信息,改善图像的整体视觉质量.
- 王士斌郭嘉懿
- 基于特征对比的循环生成对抗网络图像风格转换研究
- 2024年
- 无监督图像到图像转换任务是在非配对训练数据的情况下学习源域图像到目标域图像的转换.但是,图像风格转换任务依然面临着图像内容丢失、模型坍塌等现象.为了解决上述问题,提出了一种局部特征对比来保持图像内容,通过特征提取器获得多层图像深层特征,使得图像编码器学习到高级语义信息,获得信息更加丰富的图像特征.同时,增加局部特征对比损失来引导特征提取器学习到有利于图像内容生成的特征.实验结果表明,在大多数情况下,所提方法在FID和KID分数方面优于之前的方法,图像生成质量有一定的提升.
- 闫娟康鹏帅王士斌梅学术李燕刘栋
- 时空嵌入式生成对抗网络特殊逻辑函数检测
- 2021年
- 为了对同一逻辑函数不同特殊性进行判别,并在检测过程中排除任意项函数干扰问题,提出基于分解图的时空嵌入式生成对抗网络特殊逻辑函数检测方法。通过分析嵌入式生成对抗网络,获取生成式模型运行流程及特征;通过行变量、列变量对线性函数、冗余函数检测,采用分解图方法对其检测结果举例计算与说明,经过变量逻辑函数计算自反函数,获得自双反函数检测结果;通过二叉树映射变换检测含任意项的特殊逻辑函数,实现对全部特殊逻辑函数的检测。仿真结果表明,所提算法可以有效提升检测效果、减少计算步骤,具有较高的适用性,可广泛应用于实际工作中。
- 廖志雄尚文祥王士斌
- 关键词：网络对抗二叉树算法
- 基于不平衡数据集的决策树算法
- 2012年
- 为了使决策树健壮，我们从描述信息增益开始，关于这个规则的置信度，使用C4.5作为度量。这可以使我们快速的解释为什么信息增益，象置信度，偏重大多数类的规则的结果。为了克服这种偏见，我们介绍一种新度量，类置信度比例（CCP），它是CCPDT（类置信度比例决策树）形成的基础。这两种变化在一起产生一个分类器，它不仅比传统的决策树，而且比著名的平衡取样技术学习树能更好的完成统计。
- 王士斌廖志雄
- 关键词：决策树分类器
- 大数据应用技术浅析被引量：3
- 2014年
- 随着大数据概念的热炒,大数据已经与我们的生活密切相关了。但是对于大多数人来说,大数据仅仅是一个新名词,并不了解大数据的概念以及应用。大数据的概念目前尚无定论,大数据应用技术还需要解决很多问题,相关的理论体系也急需建立,目前它的发展还面临着很大的挑战。
- 王士斌
- 关键词：大数据
- 一种基于有限数据的改进DCGAN图像生成方法被引量：3
- 2023年
- 生成对抗网络(Generative Adversarial Network,GAN)的成功主要依赖于大量的数据进行模型训练.当训练数据有限时,GAN生成图像会产生保真度低和模型不稳定等问题.针对以上问题,基于深度卷积生成对抗网络(Deep Convolutional Generative Adversarial Networks,DCGAN)提出一种改进模型,称为LC-DCGAN(LeCam Deep Convolutional Generative Adversarial Networks),通过引入两个指数移动平均变量,减少小批量之间的方差,并且来稳定正则化项,使其判别器的预测逐渐收敛到平稳点.实验结果表明,该模型在有限数据下可以生成高质量、缺陷类型丰富的缺陷样本数据集.
- 王士斌高梓雕刘栋
- 关键词：图像生成正则化保真度
- 不平衡数据集的决策树算法
- 2013年
- 在不平衡数据集中,多数类不一定是最优的,这一问题将会影响决策树的生成效果和分类预测的准确性,提出类置信度比例决策树算法,这种算法对类的大小不敏感.通过实验验证,这种算法比传统的决策树算法更具有优越性.
- 范黎林王士斌
- 关键词：不平衡数据集决策树
- 基于特征选择的混合属性数据聚类挖掘仿真被引量：1
- 2020年
- 传统算法对混合属性数据做聚类处理时,会出现大量不重要特征,从而影响数据聚类质量,使挖掘结果准确率和聚类纯度下降,造成聚类效果较差。因此提出基于特征选择的混合属性数据聚类挖掘算法,对在线聚类和离线聚类进行分析,采用数值型和分类型两种数据度量方法构建混合属性数据聚类挖掘模型,在此基础上,对数据进行预处理,通过数据紧致性和离散性加强聚类的质量,根据特征选择数据聚类算法更新聚类中心,移除冗余特征,且迅速找到最优子集,实现混合属性数据聚类挖掘。实验结果表明,上述算法能够提高混合属性数据聚类挖掘的准确率和聚类纯度,具有较好的聚类效果,可以广泛应用在现实生活中。
- 程海军廖志雄王士斌
- 关键词：数据聚类
