您的位置: 专家智库 > >

杨冰

作品数:5 被引量:13H指数:2
供职机构:武汉大学计算机学院更多>>
发文基金:国家自然科学基金国家教育部博士点基金国家重点基础研究发展计划更多>>
相关领域:自动化与计算机技术医药卫生更多>>

文献类型

  • 5篇中文期刊文章

领域

  • 4篇自动化与计算...
  • 1篇医药卫生

主题

  • 2篇网络
  • 1篇信念网络
  • 1篇颜色直方图
  • 1篇语句
  • 1篇语音
  • 1篇语音服务
  • 1篇直方图
  • 1篇私有
  • 1篇私有云
  • 1篇终端安全
  • 1篇主题发现
  • 1篇主题模型
  • 1篇网络连接
  • 1篇网络模型
  • 1篇文本分类
  • 1篇接入
  • 1篇接入协议
  • 1篇均值漂移
  • 1篇可信网络
  • 1篇可信网络连接

机构

  • 5篇武汉大学

作者

  • 5篇杨冰
  • 2篇姬东鸿
  • 1篇向騻
  • 1篇张沪寅
  • 1篇孙锐
  • 1篇彭红
  • 1篇赵波
  • 1篇张亚琪
  • 1篇周世超
  • 1篇湛海群
  • 1篇朱向玉
  • 1篇王路路
  • 1篇郑涛

传媒

  • 2篇计算机工程与...
  • 1篇华中科技大学...
  • 1篇计算机应用研...
  • 1篇计算机与数字...

年份

  • 3篇2016
  • 1篇2015
  • 1篇2012
5 条 记 录,以下是 1-5
排序方式:
融入显著性事件信息的标题生成方法被引量:1
2016年
标题生成任务中,现有方法多以语句或短语为基本处理单元,利用单语句压缩技术或语句合成技术来生成最终的标题。这些方法或因语句过于稀疏而缺失篇章主要信息,或因短语合成缺乏语法规则约束而导致标题可读性差。提出了一种融入显著性事件信息的标题生成模型。该模型首先利用互增强原则学习显著性事件,并指导生成候选语句,然后根据这些候选语句构造词图,再结合路径显著性、流畅度,以及覆盖度等因素,设计相应的排名策略生成最终的标题。在标准评测集上的实验结果表明,提出的模型相对于目前主流的方法,取得了更好的性能。
杨冰孙锐姬东鸿
基于颜色直方图的EM对象跟踪算法
2012年
基于均值漂移运动目标跟踪的迭代算法,简单可靠,可以方便准确的找到一个基于内核的概率密度函数估计目标的位置。但是该算法对目标尺寸形状变化的适应能力比较差,文章提出一个改进的均值漂移算法。新算法同时估计目标的位置和用协方差矩阵来描述的目标的形状,能够处理对象的角度和形状大小发生变化时的跟踪问题,运用新的算法实现以颜色直方图为基础的非刚性目标跟踪算法。实验表明,该改进的算法在不同环境下跟踪目标的鲁棒性很好,尤其对跟踪目标的形状和尺寸的改变,具有很强的适用性。
湛海群杨冰彭红张亚琪
关键词:颜色直方图均值漂移EM算法
C-TNC:适用于Openstack的可信云接入协议被引量:2
2016年
在Openstack云接入认证过程中引入可信网络连接(TNC)思想,实现了一种强身份认证的终端接入云C-TNC协议.该协议从信道安全、平台安全、用户身份安全角度出发,将可信连接思想应用到云平台接入过程中,有效弥补了目前Openstack云平台存在的认证不足问题,从接入源头保证了云环境的安全.安全性实验结果显示:本协议可以有效防止由接入终端不可信导致的各类安全攻击.
赵波朱向玉向騻杨冰
关键词:可信网络连接终端安全私有云接入协议
基于深度信念网络的语音服务文本分类被引量:8
2016年
在线人工语音服务已经在各种商业活动中展开,为了提供更好的客户服务就必须对语音服务质量进行有效的评估。目的就是将人工语音服务利用语音识别技术转化为文本,再进行有效的分类评估。常用文本分类模型有朴素贝叶斯、KNN、BP神经网络、支持向量机等模型,这些模型比较依赖于语音文本预处理后的特征表示,并且容易出现维数灾难、局部最优、训练时间长问题。而深度信念网络模型(DBN)可以从文本预处理后的特征表示中学习到更具有本质含义的特征表示,便于分类器分类,且避免以上模型的不足。在人工服务语音文本化后,通过深度信念网络模型转换特征表示再进行分类,最终的分类效果比上述分类模型直接利用文本的特征表示进行分类效果略微提高。
周世超张沪寅杨冰
关键词:语音
基于PBTM的海量微博主题发现被引量:2
2015年
BTM(biterm topic model)能较好挖掘出微博主题。但面对海量微博,BTM无法胜任,因为BTM挖掘主题速度过慢。基于此,提出一种基于吉布斯采样本主机biterm元组来更新主题单词全局矩阵的分布式的BTM模型PBTM(parallel biterm topic model),通过多台主机同时对语料库进行本主机biterm吉布斯采样,然后每次迭代后更新全局主题单词矩阵,直到采样收敛。通过MPI集群实现PBTM模型,实验结果表明,PBTM主题挖掘微博文本速度较BTM大大加快。
郑涛王路路杨冰姬东鸿
关键词:主题模型主题发现分布式计算
共1页<1>
聚类工具0