何丽
- 作品数：7 被引量：32H指数：3
- 供职机构：重庆师范大学计算机与信息科学学院更多>>
- 发文基金：重庆市教育委员会科学技术研究项目河南省科技攻关计划国家自然科学基金更多>>
- 相关领域：自动化与计算机技术自然科学总论电子电信更多>>
- 基于改进GM(1,1)模型的城市短时交通流预测研究被引量：8
- 2016年
- 基于GM(1,1)模型的模拟或预测结果具有严格单调性,导致其难以实现对随机波动序列的有效模拟,而以累加序列模拟值作为累减还原参数的建模方式是导致GM(1,1)模型精度不理想的主要原因。为了提高GM(1,1)模型模拟及预测精度,在传统灰色预测模型建模基础上,提出了基于改进累减还原方法的新GM(1,1)模型,然后应用该模型对城市短时交通流进行了模拟和预测,并将结果与传统GM(1,1)模型进行了比较和分析,结果显示新模型具有更加良好的模拟及预测性能。
- 游中胜何丽张高亮
- 关键词：短时交通流GM(1,1)模型
- 基于支持向量机的彩色人脸检测被引量：1
- 2008年
- 支持向量机是建立在统计学习理论基础上的一种新的模式识别技术.本文首先采用肤色检测技术获得图像中可能存在人脸的区域,然后采用基于SVM的检测方法在可能存在人脸的区域进行检测.试验证明,本文提出的人脸检测方法是合理的,具有一定的实用价值.
- 何丽
- 关键词：人脸检测主成份分析支持向量机
- 基于序列包络带的GM(1,1)区间预测建模条件研究被引量：3
- 2015年
- 刘思峰教授提出了使用原始序列的包络带来预测序列变化范围的方法.以GM(1,1)模型的适用范围为基础,通过对包络序列上界函数与下界函数的讨论,分析了序列包络带进行区间预测的建模条件,并得到了相关结论.研究成果对促进灰色系统预测模型的发展和完善具有积极意义.
- 游中胜何丽
- 关键词：GM(1,1)
- 一种改进的K-means动态聚类算法被引量：14
- 2016年
- 传统的K-means算法通过不断的重复计算来完成聚类,聚类中心点的不断变化产生的一些动态变化信息将对聚类产生一定的干扰,且当数据量过大时,算法的时间开销和系统的I/O开销将大大增加,这严重影响了算法的性能。为此,论文提出一种改进的K-means动态聚类算法,该算法充分考虑了K-means聚类过程中信息的动态变化,通过为算法的终止条件设定标准值,来减少算法迭代次数,减少学习时间;通过删除由信息动态变化而产生的冗余信息,来减少动态聚类过程中的干扰,使算法达到更准确更高效的聚类效果。实验结果表明,当数据量较大时,相比于传统的K-means算法,改进后的K-means算法在准确率和执行效率上都有较大的提升。
- 张阳何丽朱颢东
- 关键词：K-MEANS聚类分析数据挖掘动态聚类
- 基于规模压缩的关联规则数据挖掘算法研究被引量：1
- 2007年
- 基于关联规则的数据挖掘算法是人工智能和数据库研究的热点之一。本文提出的关联规则算法通过压缩规模,及时删除数据库中无用的事务记录,减少了事务数据的数量,提高了算法的执行效率。本算法能够生成较小规模的频繁候选集,有效减少了生成的候选集的规模,实现方便,在很大程度上也提高了效率。
- 何丽
- 关键词：关联规则数据挖掘
- 基于蚁群寻路的图像分割算法被引量：2
- 2008年
- 文章主要是对蚁群算法做了一定的改进,将它用于图像分割,然后将分割出来的图像的边界利用腐蚀算法进行细化以达到更好的分割效果。分割算法可以看作一个组合优化问题,人工蚁群算法就是一种优化方法。因此,将人工蚁群算法引入到图像分割处理中完全可行。经过实验证明,该方法是完全可行的。
- 何丽游中胜
- 关键词：蚁群算法图像分割
