陈向阳
- 作品数：10 被引量：19H指数：2
- 供职机构：武汉工程大学更多>>
- 发文基金：湖北省教育厅科学技术研究项目更多>>
- 相关领域：自动化与计算机技术文化科学更多>>
- 一种基于复杂网络的集成学习的文本情感分类方法
- 本发明提供了一种基于复杂网络的集成学习的文本情感分类方法，结合现有的特征提取方法和基于复杂网络的特征选择方法，提高了对中文文本的情感分析的准确率。本发明通过实验使用集成学习结合朴素贝叶斯分类器验证了可行性，对比现有的特征...
- 曹倩倩陈向阳
- 一种支持边服务边恢复的分布式实时数据库故障恢复方法
- 一种支持边服务边恢复的分布式实时数据库故障恢复方法。本发明提供的支持边服务边恢复的基于日志的“识时”动态故障恢复方法(TCDCRS)采用了集成分区日志和短暂日志特性的实时日志模式，同时使用非易失性高速存储设备作为日志存储...
- 肖迎元张桦陈向阳
- 文献传递
- 双层双速面皮输送机
- 本实用新型涉及一种双层双速面皮输送机，包括机架、上层传送带、下层传送带、上层带电机和下层带电机，上层传送带和下层传送带平行地安装于机架上，上层传送带由上层带电机驱动，下层传送带由下层带电机驱动，还包括摆动动力辊、摆动传送...
- 张敏陈向阳
- 文献传递
- 基于残差结构的GAN网络的显著性预测研究被引量：2
- 2021年
- 优化了简单生成对抗网络结构,用于更有效的通过对抗性实例训练得到视觉显着性图,减少假阳性产生和提高显著性.网络模型仍遵循传统生成对抗网络结构,第一阶段是由一个使用残差结构建的生成器组成,该模型的权值由显著图的下采样版本的二分类交叉熵损失(BCE)的反向传播计算得到的,训练得到更有效的显著图.预测结果由受训练的判别器网络进行生成阶段生成的显著图与真值图之间的二值分类处理.实验展示了改进生成对抗网络中的生成器的预测显著图的能力对整个网络性能提升,相较于其他显著图预测模型也有一定领先.
- 赖远哲陈向阳陈向阳付星堡曹倩倩
- 关键词：视觉显著性交叉熵
- 一种支持边服务边恢复的分布式实时数据库故障恢复方法
- 一种支持边服务边恢复的分布式实时数据库故障恢复方法。本发明提供的支持边服务边恢复的故障恢复方法采用了集成分区日志和短暂日志特性的实时日志模式，同时使用非易失性RAM作为日志存储区，并采用了本地模糊检验点模式，以尽可能地降...
- 肖迎元张桦陈向阳
- 文献传递
- 一种基于乐观方法的安全实时并发控制协议被引量：2
- 2007年
- 实时数据库通常应用在一些安全关键类应用中,如电子商务、股票交易、军事指挥系统等。在这样一些应用中,实时数据库系统需同时满足两方面的需求:确保数据安全和尽可能减低实时事务错过截止期的比率。然而,通常这两方面需求是相互冲突的,满足一方面是以牺牲另一方面为代价。本文提出了一种基于乐观方法的安全实时并发控制协议,该协议将安全约束整合到实时乐观并发控制协议中,并能根据应用的需求在安全性和实时性方面进行了适当的折中。性能测试结果显示,该协议在确保数据安全的同时并未明显地降低实时性能。
- 肖迎元陈向阳刘小峰邓华锋
- 关键词：实时数据库并发控制隐通道
- 一种基于ATAE-BiGRU的文本方面情感分类方法及系统
- 本发明公开了一种基于ATAE‑BiGRU的文本方面情感分类方法及系统，该方法包括以下步骤：获取数据集；对数据集中的文本数据标注情感标签，得到训练集；利用BERT预训练模型对文本数据进行向量化，并在BiGRU网络中融合方面...
- 曹倩倩陈向阳
- 文献传递
- 一种基于复杂网络的集成学习的文本情感分类方法
- 本发明提供了一种基于复杂网络的集成学习的文本情感分类方法，结合现有的特征提取方法和基于复杂网络的特征选择方法，提高了对中文文本的情感分析的准确率。本发明通过实验使用集成学习结合朴素贝叶斯分类器验证了可行性，对比现有的特征...
- 曹倩倩陈向阳
- 文献传递
- 基于改进YOLOX的安全帽佩戴实时检测被引量：15
- 2022年
- 在建筑行业中,因未佩戴安全帽而导致的安全事故占比较大。针对安全帽检测中存在的干扰性强、小目标准确率低等问题,提出了一种基于YOLOX的改进算法。首先,在加强特征提取网络中加入ECA-Net注意力机制,进行跨通道交互,根据生成的对应通道权重值,抑制干扰信息,加强模型对目标特征的关注度,再将重校准后的特征图进行更深度地特征融合,提高目标特征的表达能力。其次,使用CIoU来计算损失,将两框中心点距离和长宽比考虑进惩罚项,不断调整更新损失函数,加快模型收敛速度。最后,构建了一个真实施工场景下的小目标安全帽数据集。实验结果表明,改进后的算法mAP达91.7%,比原YOLOX算高出1.2%,对已佩戴安全帽的工人检测平均精度达93.9%,对未佩戴安全帽的检测平均精度达89.5%,检测速度达到71.9帧/s,保证安全帽佩戴情况实时检测的同时有较高准确率。
- 丁田陈向阳陈向阳肖浩樑
- 全局区分性增强与边界监督的篡改检测网络
- 2023年
- 基于深度学习的篡改检测网络通常忽视了全局通道特征间的差异性且未有效利用全局相关性,造成篡改检测结果误检率和漏检率较高。为解决该问题,构建一种新的篡改检测网络。利用双残差网络和限制卷积层构建特征提取主干网络层,提取待检测目标的双视图多尺度特征。建立全局信息增强模块,引入非局部注意力计算方式,计算各尺度通道的低维全局性相关程度,并将其作为增强参数对全局特征进行区分性增强操作。设计新的边界监督方式,通过对预测结果提取边界信息创建边界掩码图像以计算边界辅助损失,利用反向学习以引导全局特征集中于篡改区域,实现监督性篡改检测。在CASIA、COVER、NIST16、Columbia数据集上的实验结果表明,该网络能有效降低篡改检测结果的误检率和漏检率,像素级F1分数相比于性能最优的同类MVSS-Net平均提升了2.3个百分点。
- 王名茂陈向阳陈向阳肖利芳肖利芳
