公共文化服务平台

作品数： 600被引量：2137H指数：23

相关作者

作品列表

基于最小分支路径函数胎记的软件局部抄袭证据生成方法: 本发明公开一种基于最小分支路径函数胎记的软件局部抄袭证据生成方法，通过对程序进行逆向分析，提取出程序的静态信息；基于函数的控制流图、基本块、指令序列等，提取基于最小分支路径的函数胎记，以表征函数的行为特征；计算函数胎记之...; 刘烃徐茜佟菲菲刘欣宇郑庆华; 文献传递

一种基于新闻传播过程的虚假新闻检测方法及相关装置: 一种基于新闻传播过程的虚假新闻检测方法及相关装置，包括：通过新闻相关媒介以及媒介之间的信息传递关系构建动态异质网络模型，得到节点初始表征；使用时间编码与图神经网络分别提取新闻传播过程中的时空信息，得到各个传播表征；根据传...; 罗敏楠万和润郑荔静郑庆华

基于资源可用性的主机异常检测被引量：4: 2007年; 主机的异常行为复杂多样,产生异常的原因有很多,但主机的异常行为往往体现在主机对CPU、内存、带宽等资源的使用状况上。基于此,该文提出主机资源可用性的概念,并围绕主机资源可用性建立了主机异常检测的新方法。首先,选择一组能够体现主机资源使用状况的指标,建立主机资源可用性测度指标体系,再通过实验分析,建立正常状况下主机资源可用性的轮廓特征,最后根据主机资源可用性的特殊性,利用双阈值异常检测算法检测主机的异常。经过实际测试,该方法具有很好的异常检测效果。; 陶敬马小博赵娟郑庆华; 关键词：异常检测双阈值主机

一种基于自动编码机的在线学习潜在退出者预测方法: 本发明公开了一种基于自动编码机的在线学习潜在退出者预测方法，包括：首先，将学习平台学习日志数据中的文本和非文本信息并进行预处理；其次，构建符合潜在退出者检测问题的深层网络结构，依据编码处理后数据的特征维数确定网络的输入、...; 董博徐一明赵锐阮建飞郑庆华师斌; 文献传递

CSCW的一种建模与实现方法被引量：36: 1998年; 协作模型是CSCW系统的核心和基础．其目的是描述群体协作的方式、机制、管理、协调以及对协作过程的控制等．根据群体协同工作的方式、特点和需求，提出了基于交互、活动和协作三层结构的协作模型，并给出了交互、活动和协作的形式化定义，最后提出了一种采用“镜头焦点”和“自由交互”相结合的协作模型实现方法．本文提出的协作模型及其实现方法在分布式多媒体协同工作系统DMCS中得到实现．; 郑庆华李人厚; 关键词：计算机支持的协同工作

一种基于HBase的税收统计报表存储与计算的方法: 本发明公开了一种基于HBase的税收统计报表存储与计算的方法，包括以下步骤：1)构建基于HBase的税收统计报表；2)基于HBase的税收统计报表的动态扩展；3)基于HBase的税收统计报表的税收统计数据读取类型分类及相...; 郑庆华马天李冰贺欢阮建飞张镇潮施建生王培勇钱运辉; 文献传递

一种基于多注意力融合的评教文本细粒度建议挖掘方法: 本发明公开了一种基于多注意力融合的评教文本细粒度建议挖掘方法，属于多任务预测领域。本发明将评教文本细粒度建议挖掘定义为从文本中挖掘建议动作词、建议实体词和对应的高层教学评价指标，在挖掘建议词组的过程中，通过设计建议增强组...; 田锋蒋诗瑶杨子晨郑庆华安文斌张晓平蔡明祥

基于多线程程序约束构建的数据竞争检测与证据生成方法: 一种基于多线程程序约束构建的数据竞争检测与证据生成方法，根据多线程程序语义构建约束表达式，将数据竞争检测问题转化为约束求解问题，采用约束求解器检测可能存在的数据竞争，并生成触发数据竞争的程序执行路径，首先插桩被检测程序，...; 刘烃张晓东俞乐晨刘沛郑庆华; 文献传递

一种基于地理信息的自组网MAC协议: 2008年; 本文在现有多信道MAC协议的基础上将地理位置信息引入MAC层,提出一种新的GM-MAC协议。该协议以节点间距离作为分配信道的优先级,为近距离传输时的QoS提供更好的保障。本文给出了协议的格式,阐述了协议的操作步骤并对吞吐量做了分析。仿真结果表明,时延、吞吐量等方面有更好的性能。; 江有福郑庆华; 关键词：多信道时分多址媒体接入控制协议

面向大样本数据的核化极速神经网络被引量：5: 2014年; 核化极速神经网络KELM(Kernel Extreme Learning Machine)将ELM(Extreme Learning Machine)推广到核方法框架下,取得了更好的稳定性和泛化性.但KELM的训练时间O(n2 m+n3+ns)≈O(n3),以样本数n的3次幂急剧膨胀(n为样本数,m为特征维度,s为输出节点个数),不适合处理大样本数据(n20 000为基准).为此作者提出一种KELM加速计算框架,并在该框架下结合Nystrm近似低秩分解实现一种快速算法NKELM(Nystrm Kernel Extreme Learning Machine).NKELM的训练时间O(nmL+mL2+L3+nLs)≈O(n),只是n的一次幂(L为隐含层节点数,通常Ln),远远低于KELM的训练时间,适合处理大样本数据.实验表明,NKELM在大样本数据上具有极快的学习速度,同时产生良好的泛化性能.; 邓万宇郑庆华陈琳; 关键词：随机采样核方法