您的位置: 专家智库 > >

文献类型

  • 16篇中文期刊文章

领域

  • 13篇自动化与计算...
  • 3篇文化科学
  • 1篇矿业工程

主题

  • 4篇聚类
  • 3篇均值聚类
  • 3篇K-均值
  • 3篇K-均值聚类
  • 2篇支持向量
  • 2篇支持向量机
  • 2篇向量
  • 2篇向量机
  • 2篇计算机
  • 2篇计算机组成
  • 2篇计算机组成原...
  • 2篇教学
  • 2篇教学设计
  • 2篇工作集
  • 2篇仿真
  • 2篇并行计算
  • 1篇多媒体
  • 1篇多媒体CAI
  • 1篇以学生为中心
  • 1篇优秀班集体

机构

  • 16篇晋中学院
  • 2篇山西大学
  • 1篇运城学院

作者

  • 16篇王秀华
  • 4篇张俊瑞
  • 3篇武丽芬
  • 1篇王溢琴
  • 1篇秦振吉
  • 1篇芦彩林
  • 1篇韩国瑞
  • 1篇张庚
  • 1篇王建珍

传媒

  • 3篇电脑开发与应...
  • 2篇计算机与现代...
  • 2篇太原师范学院...
  • 1篇计算机时代
  • 1篇计算机应用与...
  • 1篇科技情报开发...
  • 1篇信息记录材料
  • 1篇中国教育技术...
  • 1篇网络安全技术...
  • 1篇运城学院学报
  • 1篇电脑知识与技...
  • 1篇电子技术与软...

年份

  • 2篇2023
  • 1篇2022
  • 2篇2016
  • 1篇2015
  • 3篇2014
  • 6篇2013
  • 1篇2006
16 条 记 录,以下是 1-10
排序方式:
基于层次K-均值聚类的支持向量机模型被引量:1
2014年
针对支持向量机SVM分类效率低下的问题,提出一种基于层次K-均值聚类的支持向量机HKSVM(Hierarchical K-means SVM)学习模型。该方法首先对每类样本分别进行K-均值聚类,计算每类中心并训练SVM,得到初始分类器;然后根据超平面与聚类结果的关系,将聚类所得结果划分为活动类集和静止类集,并对超平面附近的活动类集进行深层聚类,以得到更小的类别同时计算类中心来训练新的SVM模型,并校正分类超平面,如此循环往复,直到得到较为精确的分类器为止。采用基于层次K-均值聚类的SVM模型,通过对活动类集进行不断地深层次聚类,从而在分类超平面附近得到较多样本点,而在距离超平面较远处则取少量训练样本,以有效压缩训练集规模,在保持SVM训练精度的同时大幅度提高其学习效率。标准数据集上的实验结果表明,HKSVM方法在大规模数据集上同时得到了较高的分类效率和测试精度。
王秀华秦振吉
关键词:支持向量机
基于人工免疫算法的网络安全风险检测技术被引量:3
2023年
为减小网络风险检测过程中出现的偏差,实现对网络安全风险的实时评估,提出基于人工免疫算法设计了一种新的网络安全风险检测技术。该检测方法以判别网络安全风险来源,找出网络安全漏洞;在考虑攻击者攻击强度的情况下,分析网络安全数据,并对其进行实时评估,计算出网络安全风险指标;利用人工免疫算法,构建风险检测模型,检测出网络免疫风险,进而实现网络风险的定量检测。结果表明,该检测方法检测到的风险指标与网络风险度量指标相差±0.001,检测误差相对较低,精准度更高,可应用于实际生活中。
闻乾达王秀华
关键词:人工免疫算法网络安全检测误差
基于近邻边缘检测的支持向量机被引量:1
2015年
针对标准支持向量机方法需要存储、计算和处理核矩阵而学习效率很低,不能有效处理较大规模数据挖掘的问题,提出一种基于近邻边缘检测的支持向量机方法 (SVM Method Based on Neighbor Edge Detection,ED_SVM)。该方法将近邻边缘检测技术引入SVM的训练过程,即首先对数据进行划分,选择混合类样本,通过边缘检测技术提取其中位于近似最优分类边界附近的含有较多重要支持向量信息的样本,构成新的小规模训练集,以在压缩训练集的同时保持原始支持向量信息的分布特性;并在新构成的训练集上训练标准SVM,在提高SVM学习效率的同时得到优秀的泛化性能。实验结果表明,本文提出的ED_SVM方法能够同时获得较高的测试精度和学习效率。
王秀华武丽芬
关键词:支持向量机边缘检测支持向量泛化性能
关联规则在高校贫困生认定中的应用
2013年
贫困生的认定是各高校繁重的一项工作,利用关联规则挖掘中的FP-growth算法,运用SQL Server2005中Analysis Services工具对影响贫困生认定的数据因素进行挖掘,发现了学习成绩、贷款、消费水平以及家庭情况等之间的关系。为贫困生认定提供了理论支持和科学依据,提高了工作效率,对实际工作有一定的指导意义。
王秀华武丽芬
关键词:关联规则贫困生ANALYSIS
基于Web的多媒体CAI课件开发被引量:1
2006年
基于Web的多媒体CAI课件是多媒体CAI课件与Web技术的结合。介绍了在基于Web的多媒体CAI课件开发过程中对课件页面进行优化的原则和方法。
王秀华韩国瑞
关键词:多媒体CAI课件WEB
构建OBE理念下“以学生为中心”的互动课堂——以计算机组成原理为例被引量:3
2022年
以成果为导向,以能力发展为目标,构建了“以学生为中心”的计算机组成原理互动课堂。以“指令周期”的教学设计为例,介绍了互动课堂的构建原则和实施过程。教学实践表明,教师与学生的交流更加深入,学生的学习兴趣明显提升,学到知识的同时个人能力也得到了很好的锻炼。
张俊瑞王秀华
关键词:以学生为中心计算机组成原理教学设计互动课堂
基于RePast仿真平台的矿井逃生模型被引量:1
2016年
基于RePast的仿真平台可以很好地实现计算机仿真,因此可以用来对矿井逃生进行仿真研究。本文采用基于Java的Eclipse开发平台和RePast建模仿真软件构建模型的运行平台,建立了矿井逃生仿真模型,用来模拟井下工作人员在遭遇火灾时的逃生情况,结果表明,利用这一模型能够较好地实现逃生仿真。
张俊瑞王秀华
关键词:REPAST仿真
基于随机抽样的加速K-均值聚类方法被引量:7
2013年
针对传统K-均值聚类方法不能有效处理大规模数据聚类的问题,提出一种基于随机抽样的加速K-均值聚类(Kmeans Clustering Algorithm Based on Random Sampling,Kmeans_RS)方法,以提高传统K-均值聚类方法的效率。首先从大规模的聚类数据集中进行随机抽样,得到规模较小的工作集,在工作集上进行传统K-均值聚类,得到聚类中心和半径,并得到抽样结果;然后通过衡量剩下的聚类样本与已得到的抽样结果之间的关系,对剩余的样本进行归类。该方法通过随机抽样大大地减小了参与K-均值聚类的问题规模,从而有效提高了聚类效率,可解决大规模数据的聚类问题。实验结果表明,Kmeans_RS方法在大规模数据集中在保持聚类效果的同时大幅度提高了聚类效率。
王秀华
关键词:K-均值聚类工作集
一种并行的加速K-近邻分类方法被引量:1
2014年
文章针对传统K-近邻分类方法学习效率低下的问题,提出一种基于并行计算的加速K-近邻分类方法(K-nearest neighbor classification method based on parallel computing,PKNN),即并行K-近邻分类.该方法首先将所需要分类的样本划分为不同的工作子集,然后在每个子集上进行并行的K-近邻分类.由于划分后每个工作子集的规模均远小于整个数据集的规模,因此降低了分类算法的复杂度,可有效处理大规模数据的分类问题.实验结果表明,PK-NN方法能提高分类效率.
王秀华王建珍
关键词:并行计算
一种并行的加速k-均值聚类方法被引量:2
2013年
针对传统k-均值聚类方法不能有效处理海量数据聚类的问题,该文提出一种基于并行计算的加速k-均值聚类(K-means clustering based on parallel computing,Pk-means)方法。该方法首先将海量的聚类样本随机划分为多个独立同分布的聚类工作集,并在每个工作集上并行进行传统k-均值聚类,并得到相应的聚类中心和半径,通过衡量不同子集聚类结果的关系,对每个工作集中聚类得到的子类进行合并,并对特殊数据进行二次归并以校正聚类结果,从而有效处理海量数据的聚类问题。实验结果表明,Pk_means方法在大规模数据集上在保持聚类效果的同时大幅度提高了聚类效率。
王秀华
关键词:K-均值聚类并行计算工作集
共2页<12>
聚类工具0