邢海花
- 作品数：28 被引量：49H指数：4
- 供职机构：海南师范大学信息科学技术学院更多>>
- 发文基金：海南省自然科学基金国家自然科学基金北京市自然科学基金更多>>
- 相关领域：自动化与计算机技术文化科学电子电信医药卫生更多>>
- 机器学习分类算法在糖尿病诊断中的应用研究被引量：6
- 2018年
- 机器学习技术在疾病诊断等智能决策问题中起着至关重要的作用,该文主要介绍了机器学习中决策树、随机森林、支持向量机和k近邻算法,并将这四种算法建立的模型运用在糖尿病诊断上,通过参数的优化建立各自的模型,比较这四种模型对医学中的糖尿病数据的诊断价值。然后通过十折交叉验证方法比较这四种模型在该数据上的ROC值,选择最优的模型对糖尿病数据进行分析预测,结果表明,随机森林算法更适合糖尿病数据的预测。
- 吴兴惠周玉萍邢海花龙海侠
- 关键词：糖尿病
- 遥感影像数据分类的不确定性分析及其处理方法综述
- 2021年
- 遥感影像数据的不确定性及其处理方法的局限性,严重影响着遥感影像地物分类的可靠性。本文从遥感数据的获取、处理、转换和传播等方面分析遥感影像分类中的不确定性因素,并对不确定性的处理方法进行归纳。旨在为后续研究遥感影像数据不确定性建模和分类方法提供有效参考,以提高遥感影像分类精度和自动化程度。
- 陈焕南林红燕邢海花
- 关键词：遥感影像不确定性模糊集
- 基于Web的E-Learning基础理论研究与应用
- 陈焕东吴淑雷宋春晖桂占吉冯义东王觅邢海花康东凌波
- 该课题研究成员从教学基本理论、系统开发技术、教学实践应用和未来发展分析等方面，对E-Learning教学进行了系统全面的研究和探讨。在深入分析教育信息化的时代背景和当今E-Learning教学存在的突出问题的基础上，系统...
- 关键词：
- 关键词：教育信息化教学系统
- 基于反馈机制的抗混合噪声的盲图像源分离方案
- 2013年
- 针对基于稀疏成分分析的盲图像源分离算法无法解决混合噪声问题,本文提出一种采用反馈机制的盲源分离算法.通过小波域稀疏成分分析和置零反馈的方法,逐次分离出各支路信号.实验结果表明,该方法无需大量的迭代运算,与传统稀疏成分分析法相比,能有效地分离高斯白噪声参与的混合图像,与经典快速独立成分分析法相比,取得了更高的分离精度.
- 徐金东余先川胡丹张立保邢海花
- 关键词：盲源分离小波变换混合噪声
- 翻转课堂在“供应链管理”课程教学中的应用研究综述
- 2023年
- 本文对国内“翻转课堂”在物流管理专业“供应链管理”课程中的应用情况,进行资料分析,总结成功经验,分析存在问题,指出翻转课堂教学模式的研究重点和方向,以期为《供应链管理》课程翻转课堂教学模式和具体教学活动设计提供参考。
- 陈焕南林夏繁吴兴惠邢海花
- 关键词：教学改革供应链管理教学模式
- 一种基于二分查找的快速降型算法被引量：4
- 2018年
- 降型是二型模糊系统中的主要运算.在KM和EKM算法基础上提出一种新的降型算法,在有序的样本点集合中采用二分查找方法,能快速确定转换点并求出二型模糊集合的质心.在4种不同类型的区间二型模糊集合上,与KM、EKM、MEKM降型算法进行实验比较,结果表明4种算法均能准确地找到左右切换点,求出二型模糊集的质心,但我们所提算法找到切换点所需的循环次数最少,算法效率较高.
- 邢海花邢海花胡丹余先川
- 试谈学生信息素养的培养被引量：3
- 2003年
- 信息素养不仅已成为当前评价人才综合素质的一项重要指标 ,而且成为信息时代每个社会成员的基本生存能力。学校教育对学生信息素养的培养起着不可替代的作用 。
- 邢海花
- 关键词：信息素养信息能力社会责任信息技术教育校园网
- 基于改进的3D⁃CNN的高光谱遥感图像地物分类被引量：3
- 2021年
- 高光谱遥感影像波段众多,包含丰富的辐射、空间和光谱信息,是多种信息的综合载体,应用广泛。但是传统的高光谱影像地物分类方法多着重于光谱维度的特征提取,却忽略了空间维度上的特征,进而影响了分类的准确性。三维卷积神经网络(Three⁃dimensional convolutional neural network,3D⁃CNN)可以同时在3个维度上对数据进行卷积处理,故本文采用3D⁃CNN深度网络进行高光谱影像地物分类,并针对3D⁃CNN网络存在的问题,提出了一种基于改进的3D⁃CNN的高光谱遥感影像地物分类方法。本文方法对提取到的空间和光谱特征实现融合复用,尽可能发挥特征的价值。此外,本文引入浅层特征细节保存网络的思想,提出一种综合浅层特征细节保存的影像分类深度网络模型,进一步提高了高光谱影像地物分类的准确度。在Tensorflow框架下对2个常用的高光谱遥感影像数据集(Indian Pines和Pavia University)的实验结果表明,相比基础的3D⁃CNN网络,本文方法的分类精度提高了近2%,而且类别边界更准确。
- 谢幸雨贺辉邢海花
- 关键词：高光谱图像分类
- 基于OWL的试题本体知识库构建研究被引量：2
- 2007年
- 探讨了本体技术和Web服务技术对试题库系统的支持,并提出了基于本体和Web服务的试题库应用框架结构,目的是为了让试题知识库能提供概念共享模型,建立概念语义空间,并用本体标准语言OWL进行形式化描述,从而解决知识共享和语义互操作问题,同时也为解决机器理解问题提供了一种办法.
- 吴淑雷桂占吉邢海花
- 关键词：OWL本体
- 基于YOLO v5的农田杂草识别轻量化方法研究
- 2024年
- 针对已有杂草识别模型对复杂农田环境下多种目标杂草的识别率低、模型内存占用量大、参数多、识别速度慢等问题,提出了基于YOLO v5的轻量化杂草识别方法。利用带色彩恢复的多尺度视网膜(Multi-scale retinex with color restoration, MSRCR)增强算法对部分图像数据进行预处理,提高边缘细节模糊的图像清晰度,降低图像中的阴影干扰。使用轻量级网络PP-LCNet重置了识别模型中的特征提取网络,减少模型参数量。采用Ghost卷积模块轻量化特征融合网络,进一步降低计算量。为了弥补轻量化造成的模型性能损耗,在特征融合网络末端添加基于标准化的注意力模块(Normalization-based attention module, NAM),增强模型对杂草和玉米幼苗的特征提取能力。此外,通过优化主干网络注意力机制的激活函数来提高模型的非线性拟合能力。在自建数据集上进行实验,实验结果显示,与当前主流目标检测算法YOLO v5s以及成熟的轻量化目标检测算法MobileNet v3-YOLO v5s、ShuffleNet v2-YOLO v5s比较,轻量化后杂草识别模型内存占用量为6.23 MB,分别缩小54.5%、12%和18%;平均精度均值(Mean average precision, mAP)为97.8%,分别提高1.3、5.1、4.4个百分点。单幅图像检测时间为118.1 ms,达到了轻量化要求。在保持较高模型识别精度的同时大幅降低了模型复杂度,可为采用资源有限的移动端设备进行农田杂草识别提供技术支持。
- 冀汶莉刘洲邢海花
- 关键词：杂草识别目标检测
