汤茂斌
- 作品数：22 被引量：40H指数：3
- 供职机构：广州大学计算机科学与教育软件学院更多>>
- 发文基金：国家自然科学基金广东省自然科学基金高等学校教学质量与教学改革工程更多>>
- 相关领域：自动化与计算机技术文化科学轻工技术与工程农业科学更多>>
- 基于神经网络算法的字符识别方法研究
- 为了提高字符识别的成功率,阐述了在模式识别中的一种基于误差反向传播的人工神经网络算(BP神经网络算法)的应用,实现基于神经网络算法的车牌字符识别和结果显示,实验结果说明,保持一定数量以上的训练样本和训练次数,本方法可提高...
- 汤茂斌谢渝平李就好
- 关键词：BP神经网络字符识别误差反向传播抗干扰能力
- 文献传递
- 基于虚拟环境下手机飞行游戏中蓝牙通讯技术的应用
- 主要讨论手机间蓝牙通讯的实现以及JAVA手机游戏的优化实现.研究了线程同步通讯的基本原理,实现同一程序在不同设备中的同步运行.并且,在通讯过程中,模拟使用TCP协议来控制数据收发的有效性,同时保障通讯的双方通讯的数据丢失...
- 汤茂斌谢培昭李就好
- 关键词：J2ME技术线程同步手机
- 文献传递
- 基于神经网络算法的字符识别方法研究
- 为了提高字符识别的成功率,阐述了在模式识别中的一种基于误差反向传播的人工神经网络算法（BP神经网络算法）的应用,实现基于神经网络算法的车牌字符识别和结果显示.实验结果说明,保持一定数量以上的训练样本和训练次数,本方法可提...
- 汤茂斌谢渝平李就好
- 关键词：BP神经网络车牌字符识别
- 文献传递
- 虚拟环境下手机飞行游戏的研究与应用被引量：2
- 2009年
- 介绍一个基于虚拟环境下手机飞行游戏中数学理论的应用。游戏设计采用了大量的几何、图像学、游戏设计、嵌入式编程等知识,数学理论的应用解决了游戏中实时性强,处理的逻辑比较复杂的问题。实现了能运行于现时主流的彩屏手机上的蓝牙联网飞行游戏的完整功能,具有体积小、运行效率高等优点。
- 汤茂斌梁有钿李就好邹湘军
- 关键词：数学理论J2ME嵌入式游戏设计
- R^+树优化DBSCAN的数据挖掘方法研究被引量：2
- 2008年
- 本文主要阐述了在数据挖掘中的一个基于密度聚类的算法(DBSCAN算法),接着提出了优化该算法的一种方法,即使用空间索引技术中的一种--R+树对该算法进行优化,从而减少算法的时间复杂度,提高算法的运行效率。最后介绍了优化后算法的可视化显示。
- 汤茂斌陈超李就好
- 关键词：数据挖掘可视化界面DBSCAN
- 远程教育系统的设计与实现
- 知识经济的时代使学习转变成一个伴随每个人一生的过程。开办现代远程教育，建设并提供大量的网络资源，以不断满足社会日益增长的自身教育需求是教育技术界的热点问题。本文通过对国内外远程教育的研究现状和发展趋势的研究，比较分析了现...
- 汤茂斌
- 关键词：远程教学继续教育JAVABEANJSP继续教育模式
- 文献传递
- 汽车修配中心财务报表的设计与实现
- 2008年
- 本文旨在阐述记录汽车修配中心各月的财务信息,并把各月的财务信息统计汇总起来,自动生成财务报表,然后根据各项财务指标利用累加法,移动平均法生成财务指标预测分析图表。
- 汤茂斌梁杰贤李就好
- 关键词：汽车修配财务管理财务报表
- 结合属性和角色的Web服务访问控制被引量：3
- 2012年
- 在分析Web服务访问控制需求的基础上,指出了现有访问控制模型在Web服务访问控制方面的局限性,提出了一种结合属性和角色的Web服务访问控制模型ARBAC,给出了软件实现结构。ARBAC模型给出了Web服务访问控制领域中的概念定义,提出了相关判定定理。ARBAC模型根据Web服务资源对用户的属性限制条件自动生成角色集,完成用户到角色、权限到角色的映射,能够表达职责分离约束、环境参数限制和最小权限策略,统一了Web服务和服务所涉及的数据资源的访问控制。
- 刘淼李鹏汤茂斌唐春明
- 关键词：信息安全访问控制WEB服务角色授权
- 基于神经网络算法的字符识别方法研究被引量：19
- 2009年
- 为了提高字符识别的成功率,阐述了在模式识别中的一种基于误差反向传播的人工神经网络算法(BP神经网络算法)的应用,实现基于神经网络算法的车牌字符识别和结果显示.实验结果说明,保持一定数量以上的训练样本和训练次数,本方法可提高车牌字符识别的正确率和抗干扰能力.
- 汤茂斌谢渝平李就好
- 关键词：BP神经网络车牌字符识别
- 基于渐进式学习的神经网络端到端验证码识别被引量：1
- 2018年
- 针对验证码经过弯曲变形,无法采用传统的字符分割方法进行检测的问题,在模仿人类的渐进式学习过程的基础上,提出利用卷积神经网络,优化手写识别MNIST的三层网络结构,无需预先对验证码进行分割,直接对验证码进行端到端的识别。利用不确定度回收训练图片,减少训练集数据量,并利用可视化工具提高其网络识别性能。经过55万次训练后,生成了检测模型并对测试集验证码进行了检测,验证码识别速度达到0.073秒/张,准确率达到86%。通过对比同一测试环境下的测试集,发现利用渐进式学习方法具有更高的建模效率和更好的识别准确率,并对识别错误的验证码进行分析。
- 刘达荣张远平汤茂斌李福芳
- 关键词：卷积神经网络验证码端到端
