-
题名基于非负矩阵分解的复杂网络社区检测研究
- 1
-
-
作者
白荣雪
孙德刚
白荣霜
-
机构
山东华宇工学院
济南三迪光电科技有限公司
-
出处
《办公自动化》
2024年第21期7-9,共3页
-
基金
山东华宇工学院2023年度校级科技计划项目《融合图嵌入和改进差分进化的复杂网络社区发现方法研究》项目编号:2023KJ02。
-
文摘
社区检测是复杂网络分析领域的热门研究课题之一。它旨在识别社区,表示为内聚的子组或集群,其中同一社区中的节点比外部的节点更紧密地相互连接。由于非负矩阵分解(NMF)的可解释性、简洁性等优点,已成为一种理想的社区检测模型。为了促进基于NMF的群落检测的研究,文章对基于NMF的群落检测方法进行了全面的描述。首先,介绍NMF的基本原理,并设计一个基于NMF的社区检测的总体框架;其次,根据适用的网络类型,提出一种分类方法,将现有基于NMF的社区检测方法分为拓扑网络、签署网络、属性网络三类;最后,总结了各种方法面临的共同问题和可能的解决方案,并提出四个有前景的研究方向。
-
关键词
非负矩阵分解
社区检测
复杂网络分析
-
Keywords
non-negative matrix decomposition
community detection
complex network analysis
-
分类号
O157.5
[理学—数学]
TP393
[理学—基础数学]
-
-
题名基于PHP的Web项目开发课程信息平台建设
- 2
-
-
作者
白荣雪
霍甜甜
-
机构
山东华宇工学院
-
出处
《办公自动化》
2024年第23期25-27,共3页
-
基金
山东华宇工学院2023年度教学改革研究项目《融合BOPPPS模式和项目化的教学改革与实践—以课程为例》,项目编号:2023JG03。
-
文摘
随着科技的发展,互联网技术极大地提升生活的便利性和效率。在教育领域,运用Web项目开发技术为课程信息的管理和共享带来新的机遇。基于PHP的Web项目开发课程信息平台建设,利用计算机网络实现信息化管理,提升课程信息管理水平。文章采用高度集成的Eclipse开发工具,结合PHP编程语言进行系统开发。旨在建设一个专业、稳定且易于管理的课程信息平台,以满足用户在课程信息管理、教学资源共享、师生互动等方面的多元化需求。
-
关键词
PHP
Web项目开发
课程信息
平台建设
-
Keywords
PHP
Web development
course information
platform construction
-
分类号
TP393.093
[自动化与计算机技术—计算机应用技术]
G642
[自动化与计算机技术—计算机科学与技术]
-
-
题名软硬协同的计算机课程教学辅助系统设计
- 3
-
-
作者
霍甜甜
白荣雪
-
机构
山东华宇工学院
-
出处
《办公自动化》
2024年第22期38-40,共3页
-
基金
山东华宇工学院2023年度教学改革研究项目《基于OBE理念的《计算机组成原理》课程混合式教学改革研究》,项目编号:2023JG07。
-
文摘
针对计算机课程教学中的实验平台需求,文章设计一套软硬件协同的教学辅助系统。该系统充分利用自主开发的FPGA实验仪器,实现计算机组成原理实验系统的结构。详细分析教学辅助系统的设计,包括硬件和软件设计。深入探讨硬件方面的平台构成、各模块设计的原理与具体实现。同时,也深入研究软件部分的单片机与PC软件间的通信协议,尤其PC软件-图形解读系统核心部分的工作原理。实验结果表明,该系统具备灵活性、高效性和可靠性,能显著提升计算机课程的教学效果,为学生提供更为丰富的实践体验与理论学习相结合的教学环境。
-
关键词
软硬协同
计算机组成原理
教学辅助
实验系统
-
Keywords
hardware and software collaboration
computer organization and architecture
teaching assistance
experimental system
-
分类号
G642.3
[文化科学—高等教育学]
G434
[文化科学—教育学]
-
-
题名一种多尺度估计和自适应响应融合目标跟踪算法
- 4
-
-
作者
孙德刚
白荣雪
王超
高天学
胡正平
-
机构
山东华宇工学院信息工程学院
燕山大学信息科学与工程学院
-
出处
《机床与液压》
北大核心
2022年第9期127-134,共8页
-
基金
山东华宇工学院模式识别应用工程技术研发中心研究基金(201905)
山东省本科高校教学改革研究项目(M2020222)
国家自然科学基金面上项目(61771420)。
-
文摘
针对相关滤波跟踪框架中深度特征跟踪优势受限和计算存储存在冗余等问题,提出一种多尺度估计和自适应响应融合目标跟踪算法。该算法通过调整高斯标签参数,充分发挥手工特征准确性和深度特征鲁棒性优势,并学习连续域卷积算子融合多分辨率特征;为了减少计算和样本的冗余,通过分解卷积操作对特征进行有监督降维来减少模型参数,采用基于高斯混合模型的动态样本融合,并使用模糊稀疏的模型更新机制提高模型有效性;根据预测质量评估标准,进行自适应响应融合。实验结果表明:该算法在目标发生遮挡、形变和快速运动等多种情况下,具有较好的跟踪有效性。
-
关键词
目标跟踪算法
相关滤波
多尺度估计
自适应响应融合
-
Keywords
Object tracking algorithm
Relevant filtering
Multi scale estimation
Adaptive response fusion
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
