吴春国
- 作品数：55 被引量：236H指数：8
- 供职机构：吉林大学更多>>
- 发文基金：国家自然科学基金吉林省科技发展计划基金国家教育部博士点基金更多>>
- 相关领域：自动化与计算机技术文化科学电气工程理学更多>>
- 一种用于物流优化的类遗传方法
- 本发明公开了一种用于物流优化的类遗传方法，该方法提出一种由头部和躯干部两部分组成的染色体模型—类染色体，其中头部的基因用以确定各组在当前回路中被访问的顶点；躯干部分的基因用来确定一条GTSP回路，这样就能够得到有效的GT...
- 梁艳春吴春国杨金辉吴春连孙亮
- 文献传递
- 基于文本监督的双向数据流生成对抗网络图像生成方法
- 本发明适用于图像生成技术领域，提供了基于文本监督的双向数据流生成对抗网络图像生成方法，包括以下步骤：步骤一：输入文本，并对文本中的句子和单词进行双通道处理，形成了一种全局‑局部注意力机制，随后通过生成器生成图像；步骤二：...
- 张爱琳吴春国刘桂霞张秀伊邱正中
- 一种基于说话人声纹信息的自动识别身份的方法
- 本发明公开了一种基于说话人声纹信息的自动识别身份的方法和存储方法，会议开始前，语音降噪模块录制一段环境音作为会议的背景噪声；语音分割模块将连续的会议录音分隔根据发言间隔分割为录音片段；声纹识别模块以所述语音片段作为输入，...
- 吴春国陈亮吕民轩陈心悦李世龙
- 文献传递
- 一组微阵列误标记样本检测方法
- 本发明涉及一组用于微阵列数据误标记样本检测的计算方法，属于计算生物学领域。本发明利用数据扰动对回归模型的影响来识别微阵列数据中的疑似误标记样本，将其应用于疾病的基因表达数据预处理，可降低错误标记所带来的影响和损失。本发明...
- 梁艳春张琛吴春国周柚王岩杜伟
- 文献传递
- 薄差层水淹层测井解释技术研究
- 王树明郭万奎牛彦良梁艳春周春光刘传平杨青山杨景强时小虎吴春国
- 该项目研究的主要目的就是要求准水淹层参数、判断水淹层的水淹等级，搞清剩余油分布规律。使单井解释向多资料、精细方向发展，并在单井解释的基础上，逐步向综合化、集成化的多井区域性解释的方向发展。整个研究始终贯穿着如何能够有效利...
- 关键词：
- 关键词：测井解释技术剩余油分布规律
- 微阵列癌症数据误标记样本和异常样本识别的广义CL-stability算法
- 2008年
- 针对微阵列癌症数据的特点,提出一种能识别数据集中误标记样本和异常样本的广义CL-stability算法.该算法以CL-stability为基本算子,通过样本的全局稳定性识别误标记样本或异常样本.实验结果表明,广义CL-stability算法对于识别微阵列癌症数据中的误标记样本优于已有算法,并能给出区分误标记样本和异常样本的信息.
- 周柚张琛吴春国时小虎梁艳春
- 关键词：微阵列
- 非线性系统建模与智能计算若干问题研究
- 梁艳春吴柏生周春光时小虎吴春国徐旭李正光孙维鹏王岩
- 该项研究先后得到8项国家自然科学基金的资助。出版专著2部，发表论文546篇，其中SCI检索182篇，EI检索133篇。所发表的论著被他人引用2516次，其中SCI他引560次。在国际学术会议上做特邀报告5次。系统地证明了...
- 关键词：
- 关键词：非线性振动系统微机电系统信息融合方法
- 一组微阵列误标记样本检测方法
- 本发明涉及一组用于微阵列数据误标记样本检测的计算方法，属于计算生物学领域。本发明利用数据扰动对回归模型的影响来识别微阵列数据中的疑似误标记样本，将其应用于疾病的基因表达数据预处理，可降低错误标记所带来的影响和损失。本发明...
- 梁艳春张琛吴春国周柚王岩杜伟
- 文献传递
- 基于深度神经网络的蛋白质相互作用预测框架被引量：5
- 2019年
- 为解决实验方法中结果存在较高假阳性率和假阴性率的问题,整合蛋白质特征数据,提出一种基于深度神经网络的蛋白质相互作用预测框架。提取蛋白质的GO语义相似性、序列相似性、蛋白质重要性以及亚细胞定位信息,得到低维度的输入数据。然后建立深度神经网络,进行预测。通过使用弃权技术,减少网络中复杂的互适应神经元,总体性能得到提高。预测框架在酿酒酵母蛋白质数据集上的准确率达到95.67%,精确度达到96.38%。实验结果表明:提取的特征数据较适合用于蛋白质互作的预测研究,且构建的基于深度神经网络的蛋白质相互作用预测框架具有出色的泛化性能,在多种数据上都能取得较好效果。
- 刘桂霞王沫沅苏令涛吴春国孙立岩王荣全
- 关键词：人工智能蛋白质相互作用蛋白质序列
- 基于多特征融合的绿色通道车辆检测判定被引量：1
- 2016年
- 为了保证对高速公路绿色通道车辆进行快速、高效的计算机检测,本文提出了一种基于多特征融合的绿色通道车辆检测判定方法 PGM-OCSVM。该方法首先利用主成分分析法(Principal component analysis,PCA)对学习样本的属性进行特征过滤,然后利用遗传算法(Genetic algorithm,GA)对one-class SVM的两个重要参数——函数核带宽σ和错误接受率v进行自适应调整,增强方法的易用性,最后构建one-class SVM模型学习样本,并对结果进行分类。通过对大数据样本分析,PGM-OCSVM可以有效地完成绿色通道车辆判定任务。目前该方法已经应用于绿色通道车辆检测系统中,取得了良好效果。
- 张浩刘海明吴春国张艳梅赵天明李寿涛
- 关键词：计算机应用支持向量机多特征融合单类分类器
