詹敏
- 作品数：5 被引量：3H指数：1
- 供职机构：华侨大学更多>>
- 发文基金：福建省社会科学规划项目教育部人文社会科学研究基金福建省自然科学基金更多>>
- 相关领域：自动化与计算机技术一般工业技术更多>>
- 审美因素对数字界面信息可视化体验的影响被引量：3
- 2022年
- 目的探讨审美因素对界面信息可视化体验的影响。方法通过均衡形式的视认体验实验和对称形式的视认体验实验来佐证审美因素对界面信息可视化体验所产生的影响。结果实验结果表明可以从神经美学视角探索审美因素对数据可视化的积极作用。结论数字界面可视化体验的效果评价比较复杂,其研究内容主要体现在任务执行的有效性、视觉认知的可用性和界面设计的美观度方面。操作绩效的有效性及信息认知可用性、易用性等方面学术界有一定的研究积累,界面设计美观度方面也有许多实践经验的论述,但是促进美观度提升的审美因素对任务绩效和认知负荷有何积极的影响尚需较为客观的量化研究。
- 宋武李艳陈楚玲方祺祥詹敏
- 关键词：审美因素
- 基于自适应度量学习的行人再识别
- 2017年
- 该文提出了基于自适应度量学习（AML）的行人再识别方法。与正常处理所有负样本的常规度量学习方法不同的是,AML将负样本自适应地分为三组,并对它们给予不同的关注。通过加强负样本的影响,AML可以更好地挖掘正样本和负样本之间的辨别信息,从而生成更有效的度量。此外,我们还提出了探针特定重新排名（PSR）算法来改进由度量学习得到的初始排名列表。对于每个探针,PSR构建相应的超图以捕获探针和其排名前100的图库图像之间的邻域关系。然后基于它们在超图中的邻域亲和力来重新排列这些图像。其中对公共数据集VIPeR数据集的实验证明了AML和PSR的良好的鲁棒性和优越性。
- 詹敏王佳斌邹小波
- 基于Spark的并行化主题模型算法研究
- 2017年
- 为应对大数据量处理的挑战以及更加有效地进行文本的语义挖掘,本文利用快速通用的计算框架Spark进行典型主题模型潜在狄利克雷模型的并行化研究。根据模型求解过程中利用吉布斯采样估计参数的特点,该文将模型的并行化实现分解为参数初始化、数据集分割以及吉布斯采样等过程,并利用Spark提供的丰富编程接口进行模型的训练设计。基于真实数据集上的实验表明,该文的并行化模型能够提取文本的主题分布。
- 邹小波詹敏
- 关键词：主题模型SPARK文本挖掘大数据
- 对称性的审美加工与认知机制研究
- 在工业设计领域,产品造型和设计活动的基础要素之一是形式美法则。形式美法则包含了对称与平衡,对比与和谐,节奏与韵律,比例与尺度等设计基础元素。其中,对称作为一种在设计中经常使用的手法,可用于确保构图的平衡,并呈现出独特的的...
- 詹敏
- 关键词：无意识加工事件相关电位
- 文献传递
- 基于Hadoop平台的行人再识别的研究
- 随着网络以及自媒体的高速发展，大数据时代悄然而至，如何高效地分析和处理这些大数据，尤其是从海量的图像数据中挖掘出有价值的信息已成为各个领域的研究热点。海量图像数据中行人图像占较大比例，是这些数据中比较重要的组成部分，并且...
- 詹敏
- 关键词：HADOOP平台图像处理
