陈宏伟
- 作品数：136 被引量：74H指数：4
- 供职机构：湖北工业大学更多>>
- 发文基金：湖北省自然科学基金国家自然科学基金武汉市青年科技晨光计划更多>>
- 相关领域：自动化与计算机技术文化科学自然科学总论农业科学更多>>
- 一种基于混沌粒子群算法和支持向量机的P2P流量识别方法被引量：1
- 2015年
- 对等网络技术P2P(Peer-to-Peer)在丰富了互联网应用的同时也带来了很多安全问题,因此,如何进行P2P流量的识别是网络管理研究的热点和难点问题。其中支持向量机在P2P识别问题中具有较好的效果,然而支持向量机的分类性能很大程度取决于核函数参数和惩罚参数。基于遗传算法、粒子群算法的支持向量机参数优化方法都存在易陷入局部最优解的问题,优化性能需要进一步改善。为进一步改善支持向量机参数优化问题,提出一种基于混沌粒子群的支持向量机参数优化方法,并将其应用于P2P流量识别问题。利用真实的校园网网络流量作为研究对象进行分类实验,结果表明,混沌粒子群优化的支持向量机具有更高的P2P分类正确率和计算效率。
- 王春枝张会丽叶志伟陈宏伟
- 关键词：P2P流量识别支持向量机混沌粒子群优化算法
- 一种图像分割方法及系统
- 本发明公开了一种图像分割方法及系统，该方法获取多个第一代阈值组和迭代次数，并对每个第一代阈值组进行爆炸处理得到多个阈值组集合，记录爆炸次数；阈值组集合包括第一代阈值组和第二代阈值组；通过计算第一代阈值组、第二代阈值组的适...
- 刘伟师恒贺行洋周聪陈宏伟叶志伟鄢来仪
- 文献传递
- 基于大数据的高校教学质量评价初探被引量：8
- 2015年
- 随着OBE(Outcomes-based education)教育理念越来越广泛的被教育界接受和实践,对教师课堂教学质量的也提出了更高的要求。客观公正教学质量评估结果是提高和保障教学质量的重要措施。传统的课堂教学质量评价方法主要是以定量和定性相结合的方式进行的,其评价结果往往不尽合理。该文对基于大数据技术的高校课堂教学质量评价进行了初步探讨,以期能够更加科学合理的评价教师课堂教学质量。
- 叶志伟严灵毓刘伟陈宏伟
- 关键词：大数据教学质量
- 一种梯级水库调度方法及系统
- 本发明公开一种梯级水库调度方法及系统，所述方法包括：获取初选集合；计算每个水波的适应度值，确定适应度值的最大值；判断最大值是否小于预设值，若否，根据最大值对应的水波的位置确定梯度水库的最佳调度方法；若是，对每个水波进行传...
- 叶志伟陈凤王春枝苏军顾巍陈宏伟金灿孙爽郑逍孙一恒曹倩倩
- 文献传递
- 一种基于蝙蝠优化模糊聚类的图像分割方法
- 本发明提出了一种基于蝙蝠优化模糊聚类的图像分割的处理方法，蝙蝠算法作为一种性能优良的演化算法，可以很好地解决传统的FCM聚类分割方法过于依赖初始聚类中心的缺点，并在很大程度上提高其收敛到全局最优解的概率；蝙蝠算法可以直接...
- 叶志伟王明威陈宏伟王春枝刘伟徐慧宗欣露谢海涛尹宇洁
- 一种聚类中心的确定方法、确定系统及一种聚类方法
- 本发明公开一种聚类中心的确定方法及系统，方法包括：构建包括多个水波的水波群；对水波群中的各水波进行传播处理；分别判断传播处理后的各水波的适应度值是否大于传播处理前的水波的适应度值；若是，则用传播处理后的水波代替水波群中传...
- 王春枝刘川叶志伟胡继雄陈宏伟刘伟宗欣露苏军严灵毓陈颖哲任紫扉王俊
- 文献传递
- 一种基于杜鹃搜索算法的对等网络流量特征选择方法
- 本发明公开了一种基于杜鹃搜索算法的对等网络流量特征选择方法，通过利用杜鹃搜索算法对对等网络流量特征选择问题优化求解，从而可以快速的获得对等网络流量本质属性的最优特征子集，可用于对等网络流量识别和模式识别相关技术领域中。本...
- 叶志伟李沁沄王明威王春枝刘伟陈宏伟徐慧宗欣露尹宇洁喻东阳
- 文献传递
- 基于改进哈里斯鹰优化算法的机器人平滑路径规划方法
- 本发明公开了一种基于改进哈里斯鹰优化算法的机器人平滑路径规划方法，采用改进的哈里斯鹰优化算法对Bezier曲线控制点的位置进行寻优，从而找到一条最短且平滑的路径。在改进的哈里斯鹰优化算法中，引入螺旋搜索的概念，对算法的早...
- 宗欣露刘寅刘佳杰王春枝叶志伟刘伟陈宏伟
- 基于局部-全局时空特征融合的交通流量预测方法及设备
- 本发明提供了一种基于局部‑全局时空特征融合的交通流量预测方法及设备，所述方法包括：步骤一至步骤五。本发明在兼顾时序信息顺序相关的同时获取了交通速度预测的全局时间信息，通过融合时间和空间局部与非局部信息提升模型的学习能力，...
- 宗欣露陈祯王春枝叶志伟刘伟陈宏伟
- 分布式天牛群优化算法在分类中的应用
- 2022年
- 逻辑回归常用于分类问题中,为了解决传统逻辑回归分类器参数调优问题以及在大数据样本下加快算法的计算速度。首先提出了一种改进的天牛群优化算法(IM-BSO)来优化逻辑回归的超参数,使模型能够自适应地调整参数来达到最优的分类性能。IM-BSO算法采用学习因子与惯性权重的自适应调整策略,每个天牛的惯性权重都不一样,随着适应度值变化而变化。此外,IM-BSO算法融入K-means聚类与拓扑机制,增加了天牛群的多样性。由于IM-BSO算法需要处理的数据量大,计算时间长,随后提出了一种新的分布式改进天牛群优化算法(DIBSO),结合逻辑回归形成了一个新的分类模型:DIBSO-LR模型。最后,利用该模型对推特评论数据集在不同节点数的情感进行分类,比较加速比。实验结果表明,在一定范围内,数据量越大,随着节点数量的增加,加速效果越明显。证明了DIBSO算法在优化逻辑回归参数上的可行性,显著提高了IM-BSO算法的计算性能。
- 黄嵩陈宏伟边帆杨威威杨智慧
- 关键词：逻辑回归情感分类加速比
