您的位置: 专家智库 > >

中央高校基本科研业务费专项资金(JUSRP11235)

作品数:6 被引量:13H指数:3
相关作者:周世兵钱雪忠蒋小波梁久祯更多>>
相关机构:江南大学更多>>
发文基金:中央高校基本科研业务费专项资金国家自然科学基金更多>>
相关领域:自动化与计算机技术文化科学更多>>

文献类型

  • 6篇中文期刊文章

领域

  • 5篇自动化与计算...
  • 1篇文化科学

主题

  • 2篇图像
  • 2篇图像分割
  • 2篇向量
  • 2篇聚类
  • 1篇地标
  • 1篇点采样
  • 1篇有效性
  • 1篇支持向量
  • 1篇支持向量机
  • 1篇蛇模型
  • 1篇数据集
  • 1篇梯度场
  • 1篇梯度向量
  • 1篇梯度向量流
  • 1篇谱聚类
  • 1篇最佳聚类数
  • 1篇最小二乘
  • 1篇最小化
  • 1篇网上教学
  • 1篇网上教学平台

机构

  • 6篇江南大学

作者

  • 4篇周世兵
  • 2篇梁久祯
  • 2篇钱雪忠
  • 2篇蒋小波

传媒

  • 1篇计算机应用与...
  • 1篇计算机应用研...
  • 1篇计算机系统应...
  • 1篇济南大学学报...
  • 1篇办公自动化(...
  • 1篇计算机科学与...

年份

  • 1篇2022
  • 1篇2021
  • 1篇2020
  • 2篇2015
  • 1篇2013
6 条 记 录,以下是 1-6
排序方式:
基于Java框架技术的计算机文化基础网上教学平台
2013年
计算机文化基础课程对学生的计算机知识和能力的培养有着重要作用。为了使学生更好地学习该课程,基于Java框架技术,开发了计算机文化基础网上教学平台。
周世兵李赞乐
关键词:计算机文化基础STRUTSSPRINGHIBERNATE
基于BFGS计算力场的GVF Snake模型及其应用实现
2015年
梯度向量流模型(GVF Snake)在图像处理领域取得较好的效果.但它简单的迭代运算方法,其收敛速度慢,限制了其应用.针对梯度向量场的计算,提出一种基于BFGS算法求解力场的方法,给出详细的求解过程并并且通过计算机仿真进行数值求解,最后将改进后的GVF Snake模型用于图像处理.结果表明,BFGS-GVF建立的梯度向量场性能较好.与图像处理中的牛顿几何轮廓算法、CV活动轮廓算法及IALM-GVF Snake算法进行对比,BFGS-GVF Snake算法能得到清晰、光滑的图像轮廓.
蒋小波梁久祯
关键词:BFGS算法图像分割
基于GVF Snake和边界跟踪的主动轮廓图像分割被引量:4
2015年
梯度向量流蛇(GVF Snake)模型在处理图像分割问题上取得了较好的结果,但它对初始轮廓曲线的依赖程度较大且梯度向量场计算时间较长,故此提出一种基于GVF Snake模型和边界跟踪的轮廓提取图像分割算法。该算法利用边界跟踪算法进行粗糙的分割,获取边缘位置有效信息点,经采样后生成一条初始轮廓线。同时,基于拉格朗日法求解梯度向量场的方法,提出一个距离终止条件以提高计算速度。实验结果表明,与GVF Snake、手动GVF Snake和CV活动轮廓算法相比,该算法有效提高了图像分割的自动化程度和分割精度。
蒋小波梁久祯周世兵
关键词:初始化图像分割
紧邻类与小类数据集下的模糊聚类有效性指标被引量:2
2020年
模糊聚类有效性指标主要是为了解决模糊C-均值算法需要事先给定最佳聚类数的缺陷,但是现有的大多数模糊聚类有效性指标一般过于依赖聚类质心,使得这类指标在含有紧邻类与大小、密度差异大的数据集上无法准确地判断最佳聚类数。为了缓解这个问题,提出了新聚类有效性指标WS。WS指标在一定程度上考虑了最大最小隶属度法则与模糊集偏差,从而全面展示了数据集的整体信息。在人工与真实数据集上,评估WS指标与现有一些指标的有效性,新指标展现出了较高的准确性。在不同的模糊度下,WS指标表现出了较好的鲁棒性。
耿嘉艺钱雪忠周世兵
关键词:模糊C-均值聚类有效性最佳聚类数模糊度
一种改进的多分类孪生支持向量机被引量:3
2022年
现有的多分类孪生支持向量机主要考虑支持向量机的经验风险最小化原则,而忽略了结构化风险。针对该问题,通过引入正则项式,实现算法的结构风险最小化原则,并结合多对一的组合策略和最小二乘法,提出一种改进的最小二乘多分类孪生支持向量机。在UCI数据集上的实验研究表明,该算法相对于传统的多分类支持向量机在分类性能上有明显提高。
周开伟钱雪忠周世兵
关键词:最小二乘结构风险最小化
超簇加权的集成聚类算法被引量:4
2021年
大多数集成聚类算法使用K-means算法生成基聚类,得到的基聚类效果不太理想。通常在使用共协矩阵对基聚类进行集成时,忽视了基聚类多样性的不同,平等地对待基聚类,且以样本为操作单元生成共协矩阵。当样本数目或集成规模较大时,计算负担显著增加。针对上述问题,提出超簇加权的集成聚类算法(ECWSC)。该算法使用随机选点与K-means选点相结合来获取地标点,对地标点使用谱聚类算法得到其聚类结果,再将样本点映射到与之最近邻的地标点上生成基聚类。在此基础上,以信息熵为依据计算基聚类的不确定性,并对基聚类赋予相应权重,使用加权的方式得到加权超簇的共协矩阵,对共协矩阵使用层次聚类算法得到集成结果。选取7个真实数据集和4个人工数据集作为实验数据集,从准确度、鲁棒性和时间复杂度方面进行验证。对比实验结果表明,该算法能够有效提升集成聚类的性能。
薛红艳钱雪忠周世兵
关键词:谱聚类聚类集成加权策略
共1页<1>
聚类工具0