公共文化服务平台

荆晓远: 作品数：180 被引量：169H指数：7; 供职机构：武汉大学计算机学院更多>>; 发文基金：国家自然科学基金江苏省普通高校研究生科研创新计划项目国家教育部博士点基金更多>>; 相关领域：自动化与计算机技术文化科学理学电子电信更多>>

合作作者

浅谈导师队伍建设与研究生创新能力的培养: 2015年; 本文根据南京邮电大学自动化学院多年研究生培养的经验,阐述了培养研究生创新能力的导师队伍所应具备的科研素质和学术特点,提出了研究生创新能力培养与导师队伍建设的关联性,包括高水平导师的选择,密切的师生关系,导师的学术指导等。; 朱松豪徐国政梁志伟王保云荆晓远; 关键词：研究生培养

一种基于最小生成树的视频显著对象检测方法: 本发明公开了一种基于最小生成树的视频显著对象检测方法，包括步骤：对输入图像进行超像素分割，计算每个超像素到边界的距离，并构造图像的最小生成树；将建立的图像最小生成树距离变换规则和利用快速轮廓检测方法提取的外轮廓信息结合，...; 孙娴朱松豪荆晓远岳东

基于用户可信度的Web服务推荐方法被引量：2: 2018年; 协同过滤是推荐系统中广泛使用的一种推荐技术,但是目前多数基于协同过滤的Web服务推荐算法默认用户反馈数据是可信的,没有考虑到用户反馈数据中会出现的一些范围异常数据和恶意评价数据。如果没有对含有这些干扰数据的用户进行处理,最终的预测结果会受到严重的影响。在分析了用户反馈的服务质量(Qo S)数据的基础上,提出了一种基于用户可信度的Web服务推荐方法。计算用户的可信度并根据可信度对用户进行聚类,选取可信度高的类别中的数据进行协同过滤完成推荐,排除了范围异常数据以及恶意评价数据的干扰,避免了对预测结果的影响,最后使用平均绝对误差和均方根误差评判预测结果。实验结果表明,该方法能有效提高Qo S预测的准确率和Web服务的推荐质量。; 曹继承朱小柯荆晓远吴飞; 关键词：协同过滤聚类

基于图片语义和视觉散列的图片检索方法: 本发明公开了基于图片语义和视觉散列的图片检索方法，该方法能同时表征图片语义相似性和视觉相似性的新颖的散列函数。本发明方法包括以下步骤：首先利用图片特性和视觉特性训练语义散列函数；然后，利用最大熵原则，获得紧凑的二进制码；...; 朱松豪孙娴金栋梁荆晓远岳东

一种基于通道修剪与全卷积深度学习的目标检测方法: 本发明公开了一种基于通道修剪与全卷积深度学习的目标检测方法，首先，使用套索回归方法在卷积神经网络的每层通道上实现冗余通道的修剪；然后，使用线性最小二乘法重构最小化误差；最后，利用全卷积神经网络获取感兴趣区域，加速目标检测...; 许正朱松豪荆晓远石路路

基于优化字典设计的MOD字典学习算法被引量：1: 2018年; 在模式识别研究领域,有关人脸识别的研究一直备受关注,并且已经成功地应用于诸多社会公共安全防护领域。近年来,随着压缩感知理论的发展,稀疏表示因其出色的分类性能以及对噪声因素的鲁棒性而受到众多研究者的关注,并且被成功地应用于人脸识别当中。基于稀疏表示的分类算法的性能优劣与学习到的字典息息相关,因此字典的优化设计非常值得深入研究。文中在经典的MOD算法中加入聚类算法,提出一种增强型MOD字典学习算法(E-MOD)。该算法在字典学习阶段使用聚类算法来优化字典的设计,去除冗余的字典原子数,得到性能优秀的字典;接着为了使学习到的字典具有判别性能,进一步使用MOD算法继续学习,最终得到分类效果更佳的字典。在AR和CAS-PEAL人脸数据库上的对比实验有效地验证了E-MOD算法的性能。; 周航董西伟荆晓远; 关键词：字典学习

一种基于协同矩阵分解的跨模态检索方法: 本发明公开了一种基于协同矩阵分解的跨模态检索方法,同时考虑保持原始空间样本对的局部几何流形结构，使用图正则项加入了模态内与模态间的约束，采用普遍使用的mAP(平均准确率)作为性能评价指标。本发明不仅考虑了样本的模态内相似...; 李新卫荆晓远吴飞孙莹

一种用于Web服务推荐的协同过滤算法: 本发明涉及一种用于Web服务推荐的协同过滤算法，首先从原QoS数据中提取出用户偏好数据，将其作为相似邻居近似度计算的源数据；其次从原QoS数据中提取出服务可信度数据，将其作为服务的个性化比重融入用户邻居相似度计算的过程中...; 徐堃荆晓远岳东

基于FISHER多级字典学习的图像分类方法: 本发明公开了一种基于FISHER多级字典学习的图像分类方法，包括步骤：构建一个图像分类系统，导入样本图像，利用超完备字典上的稀疏表示矩阵对每个样本图像进行初步的适当分类；将上述经过超完备字典分类的图像基于FISHER多级...; 朱松豪雎学文荆晓远冷婷

基于改进协同过滤的个性化Web服务推荐方法研究被引量：5: 2018年; 目前基于协同过滤(collaborative filtering,CF)的Web服务推荐算法,使用的是Web服务的非功能性属性服务质量(quality of services,QoS),但是这类方法直接使用所有用户的QoS数据进行预测,并没有考虑用户的个性化偏好问题,导致在相似邻居的选择阶段会得到不真实的相似度结果,进而影响QoS预测准确率。针对以上问题,提出了一种基于用户偏好的改进协同过滤Web服务推荐算法。该算法从QoS数据中提取出用户偏好数据,并将其作为近似邻居的选择标准,然后使用top-k算法确定目标用户及服务的相似邻居集合,最后联合相似邻居偏好比重,使用调和的皮尔逊相关系数算法(Pearson correlation coefficient,PCC)预测目标用户及服务的QoS值。实验结果表明,该算法能有效提高QoS预测准确率,从而提高了Web服务推荐质量。; 徐堃朱小柯荆晓远; 关键词：用户偏好协同过滤