万家华
- 作品数：29 被引量：32H指数：3
- 供职机构：安徽新华学院更多>>
- 发文基金：安徽省高校省级自然科学研究项目中国博士后科学基金安徽省自然科学基金更多>>
- 相关领域：自动化与计算机技术文化科学理学建筑科学更多>>
- 基于mixtureLDA的微博主题挖掘被引量：1
- 2017年
- 针对目前的主题挖掘只考虑主题内容的概率分布方法,本文提出一种综合考虑内容、时间等因素的微博主题挖掘模型mixture LDA.该模型能够分析用户不同类型微博的主题概率分布和时间微博主题概率.实验使用新浪微博数据集,结果表明基于mixture LDA的微博主题挖掘模型能够有效地挖掘出用户微博和时间微博的主题概率分布.与MB-LDA、user LDA模型对比,mixture LDA模型可有效降低困惑度.
- 万家华
- 关键词：主题挖掘
- 一种新型探头连接装置
- 本实用新型公开了一种新型探头连接装置，涉及连接器技术领域。所述装置包括安装板、探头以及位于二者之间的陶瓷绝缘基座，陶瓷绝缘基座上开设有多个通孔，探头上设有多个接线端以及支撑柱，接线端从通孔一端插入，多个线缆从通孔的另一端...
- 朱学玲钱丽刘丽史先桂万家华刘利琴王美荣陈燕王厚银
- 文献传递
- 双缓冲池智能雨污水分流系统及装置
- 本发明公开了双缓冲池智能雨污水分流系统及装置，涉及雨污水分流技术领域。本发明包括两个缓冲池、供电模块、控制单元模块和雨水采集模块，两个缓冲池的结构相同；缓冲池内设置有水位采集模块、流量采集模块和流量电控阀控制模块；雨水采...
- 吴建国袁宏武朱一鸣侯志远杨满万家华
- 基于网格划分的老城区公园景观组合设计方法
- 2024年
- 为了提高景观配置效率,提出基于网格划分的老城区公园景观建设组合设计方法.数字影像内定向原始景观图像以生成正射影像模型,通过梯度分解提取边缘信息完成图像采样.结合空间区域特征匹配方程优化提取多维度景观数据,构建多维度景观图像的动态特征分布模型,在此基础上划分景观区域网格,并结合景观特征属性解析结果实现景观建设组合设计.通过城市公园的景观设计表明,所提方法能够有效提高景观配置效率,景观设计的规划效果较好.
- 王汀戚大为万家华
- 关键词：景观建设
- 数据挖掘技术在学生成绩分析中的应用研究被引量：1
- 2016年
- 通过对传统决策树算法的介绍,阐述了改进后的C4.5算法将在挖掘时间上用时更少.通过对学生成绩进行预处理后,利用改进后的算法挖掘学生成绩之间的关联规则,分析并解释关联规则的结果.
- 万家华
- 关键词：数据挖掘C4.5算法关联规则
- 创客理念下软件工程人才培养的研究
- 2016年
- 创客教育是一种结合互联网信息技术,融合"开放创新、探究体验"的新型教育理念,它对软件工程创新型人才培养和教学改革将产生重大影响。本研究首先提出软件工程创客实践教育框架,从课程体系重构、创客教师团队建设、创客环境搭建、学习方式变革等方面进行构建;然后提出创客人才培养模式,采用"验证性、综合性和设计性"三级实践训练方式,培养学生的创造思维和创新能力。
- 钱丽胡晓天史先桂万家华路贺俊
- 关键词：创造思维
- 一种基于云平台的智能票箱
- 本实用新型公开了一种基于云平台的智能票箱，涉及投票箱技术领域。本实用新型包括投票箱本体、控制电机、挡板、红外收发管、图像扫描仪和图像处理器，投票箱本体内部设置有投票导轨、固定板，图像扫描仪安装在固定板的上表面，控制电机设...
- 袁宏武苏家成万家华毛飞翔吴建国杨满侯志远朱一鸣
- 文献传递
- 《计算机应用基础》课程教学与实践探讨被引量：3
- 2010年
- 《计算机应用基础》是高等学校学生必修的一门基础课程,笔者在这门课程的教学工作中,梳理了教学中存在的一些问题进行探讨,并结合本校实际探索教学改革的思路,为培养适应信息化建设的新人才而努力。
- 万家华李静
- 关键词：计算机应用基础教学
- 计算机科学与技术专业示范校外实践教学基地建设探索与实践被引量：1
- 2018年
- 示范校外实践教学基地是地方应用型本科高校的重要建设内容,以服务地方经济、树立专业特色、提升本科生科研实践能力和创新能力为目标,安徽新华学院计算机科学与技术专业深入构建专业培养体系,结合校外实践教学基地建设加强专业实践教学,深化教育教学改革,锻炼和培养一批创新能力强、专业技能扎实的高素质人才,提高人才培养质量。
- 叶承琼程家兴万家华
- 关键词：计算机科学与技术实践教学基地校企合作
- 基于上下文感知和注意机制的多学习情绪识别方法被引量：3
- 2021年
- 为提高人脸图像情绪识别效率与准确性,在探讨了深度神经网络、注意机制与损失函数基础上,提出基于上下文感知与注意机制的多学习情绪识别网络结构.该网络主要由场景特征提取、身体特征提取与融合决策3个子网络组成,并采用单双输出结构,实现多标签情绪分类与连续空间情绪回归任务.考虑到多标签情绪分类时标签的不平衡性,提出了一个改进的焦点损失(focal loss,FL)函数,可为小样本或难分类样本分配更多的权重,从而提高了网络训练效率.利用EMOTIC数据集进行仿真,结果表明平均绝对误差回归组合损失训练性能更优,分类平均准确率与回归平均误差率分别为28.5%和0.098,该方法对于小样本或难分类样本具有更好的分类效果.
- 万家华陈乃金
- 关键词：人脸图像情绪识别上下文感知
