胡湘萍
- 作品数：15 被引量：29H指数：3
- 供职机构：河南经贸职业学院更多>>
- 相关领域：自动化与计算机技术文化科学更多>>
- 一种计算机主板芯片表面清理器
- 本发明涉及计算机清理技术领域，具体涉及一种计算机主板芯片表面清理器，壳体的装板区能够通过转动电机的负压吸盘对主板背面进行吸附稳固，并通过输送带将主板输送至壳体内，通过吹扫机构能够控制风刀快速的连续左右摇摆式吹扫主板，对主...
- 胡湘萍吴炜刘婉婉王艳邵瑞银
- 论C#中的委托与事件被引量：2
- 2010年
- 在C#里,委托与事件类是两个不易理解的概念。主要阐述对委托与事件的理解,同时结合Observer设计模式与.NET Framework规范,针对生活中的案例来辨析委托与事件的应用。
- 胡湘萍
- 关键词：.NETFRAMEWORK
- 用于计算机存储装置的防爆保护装置
- 本发明公开了用于计算机存储装置的防爆保护装置，包括外壳，所述外壳的内部固定连接有固定环板，固定环板远离外壳内腔的一侧通过螺丝固定连接有防护盖，防护盖的一侧与外壳的内表面均固定连接有支撑条，涉及计算机配件技术领域。该用于计...
- 胡湘萍邓威
- 文献传递
- 特征加权的核学习方法被引量：1
- 2015年
- 提出了一种特征加权的核学习方法,其主要为了解决当前核方法在分类任务中对所有数据特征的同等对待的不足。在分类任务中,数据样本的每个特征所起的作用并不是相同的,有些特征对分类任务有促进作用,应该给予更多的关注。提出的算法集成了多核学习的优势,以加权的方式组合不同的核函数,但所需的计算复杂度更低。实验结果证明,提出的算法与支持向量机、多核学习算法相比,分类准确度优于支持向量机和多核学习算法,在计算复杂度上略高于支持向量机,但远远低于多核学习算法。
- 胡湘萍李彦勤
- 关键词：特征加权支持向量机
- 浅析软件测试中的可靠性模型设计被引量：1
- 2016年
- 软件测试是检测软件质量与软件可靠性的主要方式,而软件的可靠性则是判断软件质量的主要标准,两者之间的关系较为密切。文章简要叙述了软件可靠模型的具体含义,并从Seeding模型的定义、Seeding模型的实际应用等三方面分析了如何在测试当中设计可靠性模型,以便可靠性模型更为符合软件测试工作的需求,在软件测试当中得到更好的应用。
- 胡湘萍
- 关键词：软件测试
- 多特征编码融合的图像分类研究被引量：2
- 2021年
- 词袋(Bag-of-Words)模型是图像分类研究中使用最广泛同时也是最有效的框架模型之一。然而,字典的最优设计仍然是该模型的重要研究内容。直观来说,字典越大,图像分类的准确度就越高,但同时也需要更高的计算资源和存储代价。鉴于此,本文提出一种基于多特征融合的图像分类方法。首先提取并使用图像的视觉特征生成多个小字典,接着构建不同字典下的直方图交核以获得图像的特征编码,最后通过对上述编码进行在线学习加权融合,使得组合结果与大字典下获取的特征编码一样具有较强的判别性,从而提高图像分类准确度。在特征融合阶段,本文改进了OPA(Online Passive-Aggressive)算法,得到了权值更新的闭式解。实验结果表明本文方法运行效果良好且计算代价更低。
- 胡湘萍代江华
- 关键词：图像分类
- ASP.NET的网络课程开发技术应用探讨被引量：1
- 2016年
- 目前,网络课程教育逐步被广大用户所接受,成为教育信息化的主要研究方向。网络课程教育的三大基本保障是软件、硬件以及教育资本。文章指出,如今的网络课程已经成为现代远程教育目标的基本中心,采用较为先进的动态网络编程技术来开展高质量远程教育的网络课程已经成为中国开展现代远程教育的一个非常重要而迫切的课题。
- 胡湘萍李彦勤
- 关键词：ASP.NET远程教育
- 浅谈div+css布局技术
- 2010年
- Web标准的逐渐普及,网页布局技术也发生了变化。文章介绍了Web标准的关键技术,及div+css布局方法。
- 刘锴胡湘萍
- 关键词：WEB标准CSS
- 信息时代高校思政教育与专业课程融合的实践探究--以“Web前端交互技术”课程为例被引量：7
- 2021年
- 课程思政已经成为信息时代高校思政教育的必然趋势。当前高校思政教育中存在着部分教师对课程思政的重要性认识不足、思政教育与专业课知识教育融合程度不够、思政教育案例雷同等问题。本研究提出了思政教育与专业课程融合由初级到高级的三个层次,并以计算机“Web前端交互技术”课程为例,进行了融合实践探索。结合理论与实践层面的研究,提出了高校思政教育与专业课程融合的发展方向,以期为课程思政研究提供参考。
- 胡湘萍陈利军
- 关键词：思政教育课程融合
- 基于多核学习的多特征融合图像分类研究被引量：9
- 2016年
- 图像分类任务是计算机视觉中的一个重要研究方向。组合多种特征在一定程度上能够使得图像分类准确度得到提高。然而,如何组合多种图像特征是一个悬而未决的难题。提出了一种基于多类多核学习的多特征融合算法,并应用到图像分类任务。算法在有效地利用多核学习自动选取对当前任务有价值特征的优势的同时,避免了在多核学习中将多类问题分解为多个二分问题。在图像特征表示方面,使用字典自学习方法。实验结果表明,提出的算法能够有效地提高图像分类的准确度。
- 胡湘萍
- 关键词：多核学习多特征融合图像分类
