国家自然科学基金(U1304611)
- 作品数：7 被引量：30H指数：4
- 相关作者：樊银亭郑秋生刘小明张英盛剑会更多>>
- 相关机构：中原工学院中国科学院大学北京协和医学院更多>>
- 发文基金：国家自然科学基金河南省科技攻关计划河南省教育厅科学技术研究重点项目更多>>
- 相关领域：自动化与计算机技术电子电信医药卫生文化科学更多>>
- 集产学研一体的“JavaEE”实践教学探索被引量：4
- 2016年
- 为提升计算机及相关专业高年级和研究生在工程实践与科学研究方面的综合能力,提出一种将企业工程开发实践与具有较高理论层次科研项目相结合的Java EE教学方案,并应用于"Java EE"课程的教学改革与实践。在实验室承担的"互联网舆情分析与导控综合服务平台"项目的建设过程中,学生不仅锻炼并提高了工程实践能力,而且奠定了一定的科学研究的基础,实现了产学研的三方面综合能力的提高,取得了较好的教学效果。
- 刘小明许进忠樊银亭
- 关键词：JAVAEE教学改革工程实践
- 面向无线传感网的物理层安全性能分析被引量：2
- 2021年
- 无线传感器网络(Wireless Sensor Network,WSN)在实现万物互联的同时,无线通信安全面临挑战。WSN网络节点随机分散部署,网络结构动态变化,使得现有安全通信方案无法直接应用。针对该问题,应用随机泊松点过程对网络节点进行位置建模,以安全中断概率、连接中断概率为指标,应用随机几何工具对无线传感网系统的物理层安全性能展开分析。仿真验证了理论分析的正确性,仿真结果表明通过合理布置传感器节点密度可使系统安全可靠性能达到最佳。
- 盛剑会樊银亭夏敏捷
- 关键词：无线传感网物理层安全
- 基于CRF的互联网文本命名实体识别研究被引量：9
- 2016年
- 针对互联网文本形式多样化造成的有效信息提取难度增加(尤其是命名实体识别方面)的问题,提出了一种统计和规则相结合的互联网文本命名实体识别方法。首先进行文本规范化,然后使用CRF模型,以词及词性作为特征进行训练,结合互联网文本的日常性、随意性和娱乐性等特点,以及若干匹配规则对文本进行命名实体识别。实验结果表明,该方法的准确率、召回率和F值分别达到了94.76%、85.34%、89.80%,能够有效地进行命名实体识别。
- 郑秋生刘守喜
- 关键词：命名实体识别CRF
- 基于电子病历可视分析的临床诊断模型被引量：4
- 2016年
- 针对当前医生在临床诊疗过程中缺乏系统有效的手段,以及隐藏在大量电子病历中的医学知识没有得到充分利用的现状,研究了利用可视分析和数据挖掘相结合的方法,辅助医生进行临床诊疗服务.本文以不明原因发热疾病为例,首先对电子病历进行数据预处理和结构化提取,然后结合具体需求进行可视组织与分析,再利用数据挖掘相关算法对患者大量症状和发热原因之间的关系进行学习,帮助医生发现病历中潜在的医疗知识,辅助医生进行诊断.在上述工作的基础上,构建了一个面向临床诊疗的可视分析与辅助诊断框架,并给出了系统实例加以验证,结果表明该系统可以有效的帮助医生分析不明原因发热电子病历内的知识,有利于进一步的疾病诊断,缩短了平均确诊时间.
- 商金秋朱卫国樊银亭李伟亨马翠霞滕东兴
- 关键词：电子病历数据挖掘
- 基于卷积神经网络模型的互联网短文本情感分类被引量：8
- 2017年
- 情感分类旨在发现用户对热点事件的观点态度,但由于现今互联网短文本格式随意,语言规范性不够,所以目前传统方法的情感分类效果并不理想。面向大数据互联网短文本信息,本文提出一种基于深度卷积神经网络(Convolutional Neural Networks,CNNs)模型的互联网短文本分类。首先选择词向量作为原始特征,然后通过卷积神经网络进一步提取特征,最后训练出基于深度卷积神经网络的互联网短文本情感分类模型。实验结果表明,该模型不仅可以有效处理互联网短文本中的情感分类这一任务,而且明显提高了情感分类的准确率,平均提高约5%。
- 刘小明张英郑秋生
- 关键词：情感分类自然语言处理
- 信道估计误差条件下异构蜂窝网的安全传输方案
- 2020年
- 针对异构蜂窝网提出了一种信道估计误差条件下的安全传输方案。首先,依据信道估计结果设计安全发射门限,通过比较接收信干噪比和安全发射门限的大小实现发射控制;然后,应用随机几何工具对所提方案的安全性能进行分析;在此基础上以最大化系统安全吞吐量为目标设计了安全发射门限优化算法,由此得到当前信道估计条件下最优的安全发射门限。仿真验证了所提方案可有效提升系统的安全吞吐量。
- 盛剑会樊银亭张俊宝
- 关键词：信道估计误差
- 基于循环神经网络的互联网短文本情感要素抽取被引量：3
- 2016年
- 针对大数据互联网短文本信息,比较几种深度循环神经网络(Recurrent Neural Networks,RNN)模型,提出了一种基于双向长短时记忆(Bidirectional Long Short-Term Memory,BLSTM)的循环神经网络模型的互联网短文本情感要素抽取方法。实验结果表明,该方法不仅可以有效完成互联网短文本中情感要素抽取工作,而且明显提高了抽取准确率。
- 张英郑秋生
- 关键词：循环神经网络自然语言处理
