南书坡
- 作品数：21 被引量：22H指数：3
- 供职机构：河南师范大学新联学院更多>>
- 发文基金：河南省科技攻关计划河南省自然科学基金河南省教育厅人文社会科学研究项目更多>>
- 相关领域：自动化与计算机技术电子电信文化科学更多>>
- 一种智能手环
- 一种智能手环，包括环形本体，传感器模块，通信接口以及控制器模块；所述传感器模块、通信接口以及控制模块设置于所述环形本体中；所述传感器模块能够检测智能手环佩戴者的参数信息并将其传送到所述控制器模块；所述通信接口用于与外部智...
- 梁利娟韩利华南书坡司晓琼庄亚非夏青
- 文献传递
- 竞争型神经网络在土壤分类中的应用
- 2013年
- 该文首先利用神经网络对数据进行离散化处理，然后在竞争型神经网络中引入阈值学习，提出了基于属性决策和竞争型神经网络的聚类方法，解决了该类网络在训练过程中遇到‘‘死”点时训练误差偏大的问题，最后把本文提出的算法应用到对河南省抽取的土壤样本的聚类分析，并取得了较好的聚类效果。
- 南书坡
- 关键词：离散化粗糙集
- 一种基于SOFM网络的连续属性离散化方法
- 2013年
- 实际的数据挖掘过程中,经常遇到的一个难题就是数据库中的某些属性上的属性值是连续的,如果不对这些数据进行处理,那么给规则的提取带来了很大的困难。本文利用SOFM网络能够找到连续属性断点的功能,提出了一种基于SOFM网络的离散化方法,从而实现了对连续属性的离散化。算法分析和实验证明,本算法是切实可行的。
- 南书坡
- 关键词：离散化神经网络数据挖掘
- 独立学院计算机基础教学中存在的问题与对策被引量：2
- 2012年
- 本文通过对当前独立学院计算机基础课程教学的现状和存在问题分析,结合新联学院现行情况,从教学理念、教学目标、教学模式等几个方面,探索了在教学实践中如何提高教学效果、培养学生的计算机技术水平、创新精神和实际动手能力。
- 南书坡程晓琳程聪
- 关键词：计算机基础课程教学改革
- 基于LVQ神经网络的连续属性离散化方法
- 2014年
- 随着知识发现和数据挖掘的迅速发展,出现了很多的数据挖掘方法,这些方法很多都依赖于离散的数据,连续属性的离散化是数据分析预处理中的一项重要内容,在数据挖掘、机器学习等领域中具有重要作用。然而,在现实世界数据库中,存在着大量的连续值属性。因此,常常需要对连续值属性进行离散化本文利用LVQ神经网络能够找到连续属性断点的功能,提出了一种基于LVQ神经网络的离散化方法,从而实现了对连续属性的离散化。算法分析和实验证明,本算法是切实可行的。
- 南书坡韩利华程聪郭战杰
- 关键词：离散化LVQ神经网络
- MAS整体安全机制研究被引量：1
- 2009年
- 在开放网络环境中,安全性问题已经成为移动Agent应用的重要因素。通过对Agent的安全问题及其研究现状的分析,提出了一种基于可信任第三方的移动Agent的整体安全设计方案,为解决移动Agent问题提供了一个可行的方法。
- 冯乃勤王伟南书坡
- 关键词：移动AGENT身份认证安全域
- 自适应更新时空方向能量目标跟踪算法研究
- 2016年
- 为降低遮挡对目标跟踪性能的影响,提出了一种基于自适应更新时空方向能量的目标跟踪算法。首先依据目标外观模型进行初步跟踪,计算目标平均运动矢量;然后,求取运动目标的时空方向能量特征,构建运动模型;依据运动模型和状态机检测目标状态,生成遮挡掩膜;最后,对不同状态和遮挡情况的目标采用不同的参数自适应更新其外观和运动模型。实验采用国际通用的CAVIAR和York两个公共测试数据集,并用平均跟踪误差和多目标跟踪精确度两个指标评测了跟踪性能。实验结果表明该方法的目标跟踪性能好,尤其是对目标遮挡的鲁棒性强。
- 孙利娟南书坡杨新锋
- 关键词：目标跟踪算法目标识别
- 一种基于属性约简和SOFM神经网络的聚类方法
- 粗糙集理论和神经网络在对样本的聚类分析中有各自的优势和劣势.本文在自组织特征映射(self-Or-ganizing-Feature-Map,SOFM)神经网络的训练过程中引入属性约简对训练样本进行预处理并去掉冗余属性,从...
- 党留群冯乃勤南书坡
- 关键词：粗糙集神经网络属性约简聚类自组织特征映射
- 文献传递
- 一种新的基于平均隶属度的网络入侵检测方法被引量：1
- 2008年
- 针对传统入侵检测算法存在的不足,提出了一种新的基于平均隶属度的网路入侵检测方法——AMID,并且给出了相应的算法。这种方法通过度量实时行为和正常行为的贴近程度来判断当前是否存在异常行为,理论基础夯实,判断过程简单易于实现。实验结果说明,该方法在降低系统误报率方面有较为明显的改进。
- 冯乃勤郭战杰南书坡董亚杰
- 关键词：入侵检测
- 一种基于BP神经网络的离散化方法被引量：1
- 2015年
- 随着人工智能和数据挖掘技术的深入发展,大数据逐步进入人们的视野,在大数据的处理过程中,离散化处理是一个必不可少的环节。本文通过在BP神经网络的学习过程中引入动量学习法,进一步完善了BP神经网络在学习方面的局限性,降低了BP神经网络的训练误差,在此基础上提出了一种基于BP神经网络的离散化方法,实现了对连续属性的离散化处理。算法分析和实验证明,本算法是切实可行的。
- 南书坡程聪
- 关键词：离散化BP神经网络
