宋威
- 作品数：41 被引量：155H指数：8
- 供职机构：江南大学物联网工程学院更多>>
- 发文基金：国家自然科学基金中央高校基本科研业务费专项资金江苏省自然科学基金更多>>
- 相关领域：自动化与计算机技术文化科学理学更多>>
- 一种改进的蝙蝠算法被引量：5
- 2019年
- 为了增强蝙蝠算法的全局寻优能力,提出一种新的全局“寻优策略”,将蝙蝠个体历史最优引入到蝙蝠个体寻优策略中,并引入一种“指引”方向指导蝙蝠个体全局寻优。蝙蝠个体每次迭代后将执行“优胜劣汰”的策略,随机初始化一些蝙蝠个体取代那些适应度值较低的个体,增加种群多样性以防止陷入局部极值。选取UCI中的Iris,Wine,Sonar数据集用来聚类测试,实验结果表明:与原始蝙蝠算法、差分进化算法、粒子群算法相比,改进的蝙蝠算法能够得到更高的聚类准确率,鲁棒性更强。
- 周贤泉宋威张士昱王晨妮
- 关键词：全局寻优
- 一种处理不平衡大数据的并行随机森林算法被引量：8
- 2017年
- 基于MapReduce机制的并行随机森林算法MR_RF在处理不平衡大数据时,由于数据本身正类密度低且算法又以全局最优标准选择分割点,而导致正类有误分为负类的趋势,降低了分类效率.本文提出了一种改进的并行随机森林算法(SBWMR_RF),该算法利用分层自助抽样方法增大对少数类的抽样数量,同时考虑正负类不同的误分代价,动态计算每个分区的代价敏感矩阵,将其引入到构建基分类器的关键步骤,弱化数据偏置的影响.实验证明SBWMR_RF算法提高了对不平衡大数据的分类准确率,没有出现过拟合现象,在极不平衡环境下优势明显.
- 秦静钱雪忠王卫涛谢国伟宋威
- 关键词：MAPREDUCE
- 基于像素差分基元矩阵的图像检索被引量：4
- 2015年
- 针对图像检索问题,提出一种基于像素差分基元矩阵的图像检索方法。该方法结合图像的颜色特征与纹理特征,在量化后的HSV颜色空间中提出10种基元;通过定义的基元扫描图像,生成像素差分矩阵以及基元过渡矩阵。最后利用统计算法将上述两个矩阵合并为一个像素差分基元矩阵,实现了颜色、纹理以及空间信息等多特征的图像检索。在Corel标准图像数据库中执行图像检索方法间的对比实验,在Corel-4000图像数据库中执行旋转图像检索实验,实验结果表明,该方法不仅具有良好的检索表现,而且可以实现旋转图像的检索。
- 朱华东宋威
- 关键词：基元图像检索
- 基于GA优化QPSO算法的文本聚类被引量：8
- 2014年
- 针对量子行为粒子群优化算法中粒子搜索的盲目性以及初始聚类中心的选取对聚类结果的影响问题,提出了一种基于GA优化的QPSO聚类算法。该算法首先利用GA稳健的全局优化性能进行快速的粗略聚类,然后用GA的聚类结果初始化QPSO算法,以降低粒子群搜索的盲目性,从而提高QPSO算法的搜索效率。通过在Reuter-21578真实的文本数据集上实验,该算法在Fmeasure评价标准上获得了较高的查准率和查全率,从而验证了该聚类算法的有效性和可行性,可以在文本聚类领域推广应用。
- 乔莹莹宋威马伟
- 关键词：文本聚类粒子群优化算法量子行为粒子群优化算法遗传算法
- 标签约束的半监督栈式自编码器分类算法被引量：4
- 2019年
- 栈式自编码器通过逐层无监督学习能够表达数据的语义特征,但面对具体领域问题时其特征训练缺乏针对性,所处理的数据用于分类领域时易导致分类准确度低,稳定性差等问题.针对这些问题,提出了一种标签约束的半监督栈式自编码器(LSSAE),结合无监督学习与监督学习的优势,在有效抽取样本内在特征的同时保证特征训练目标化.引入的标签约束项,以监督学习的方式逐层比对实际标签与期望标签,针对性地调整网络参数,进一步提高分类准确率.为验证所提方法的有效性,实验中对多个数据集进行广泛测试,其结果表明,相对自编码器(AE),稀疏自编码器(SAE),以及深度信念网络(DBN)等,LSSAE明显提高分类准确率和稳定性.
- 李炜宋威王晨妮张雨轩
- 关键词：半监督学习
- 基于非对称双分支交互神经网络的水下生物识别被引量：3
- 2021年
- 针对水底环境存在着可见度低、光照条件差、物种间特征差异不明显等问题,基于卷积神经网络,提出了一种新的非对称双分支水下生物分类模型。模型中交互分支利用不同的卷积神经网络中间层提取局部特征并通过交互模块对局部特征进行交互,增强分类模型的局部特征学习能力;卷积神经网络分支可以有效地学习到目标的全局特征,弥补交互分支中忽略的全局信息。在Fish4-Knowledge(F4K)、Eilat、RAMAS三个数据集上取得了98.9%、98.3%、97.9%的准确率,较前人方法有显著提高;视觉解释也验证了该模型可以有效地捕捉到局部特征并消除背景影响。最终显示,该模型在水下环境具有良好的分类性能。
- 赵力宋威
- 基于动态的网格相对密度差聚类算法研究被引量：1
- 2017年
- 现有大多数多密度聚类算法存在参数依赖性较高、精确度较低的问题。提出一种基于网格相对密度差的扩展聚类算法(ECRGDD)的改进算法,即基于动态的网格相对密度差聚类算法(CDGRDD)。CDGRDD针对ECRGDD对于中心密度大、边缘密度稀疏的类聚类效果差的问题,把初始单元网格密度定义为动态,在密度相似相邻的网格合并时加入一个距离判断条件,由此减少盲目合并的可能性。实验表明,CDGRDD能有效对多密度、任意形状的数据进行聚类。
- 钱雪忠韩利钊罗靖宋威
- 关键词：模糊函数
- 面向国际化人才培养的信息类专业全英文教学实践体系研究
- 2018年
- 在经济全球化、教育国际化背景下,培养具有国际竞争力的高素质人才是高等教育面临的重要任务。本文以江南大学信息类专业为例,首先构建教师与学生双团队协作培养模式。其次,通过完善教学实践内容,丰富教学实践手段,构建先进实用的全英文教学实践体系。同时,还设计全方位、深层次、递进式的质量评价标准,对信息类专业全英文教学实践体系进行全面评价,以进一步实现国际化人才培养目标。
- 宋威吴秦孙子文
- 关键词：全英文教学信息类专业
- 基于雅克比稀疏自动编码机的手写数字识别算法被引量：8
- 2018年
- 由于手写数字边缘轮廓差异大造成书写风格的不同,为了提高识别准确度,通过在自动编码机中加入稀疏约束项和雅克比正则项,提出一种雅克比稀疏自动编码机(JSAE)的算法进行手写数字识别。加入稀疏约束项能够有效提取数据中的隐藏结构,而雅克比正则化可以描述数据点的边缘特征,提高自动编码器算法的学习能力,从而更准确地抽取样本的本质特征。实验结果表明,JSAE在分类准确率上要高于自动编码机(AE)和稀疏自动编码机(SAE)算法。
- 王慧玲宋威
- 关键词：手写数字识别
- 基于狼群算法的DBN网络结构确定方法研究被引量：3
- 2018年
- 由于深度信念网络(DBN)结构难以确定,提出运用狼群算法确定DBN每层神经元个数,K-means聚类准确性确定是否增加隐含层的方法确定DBN结构.根据狼群算法以最小化所有样本重构误差的平方和为目标函数来确定DBN每层神经元的个数,以确定DBN的初步结构.为了检验DBN结构的有效性,利用DBN提取的数据特征进行聚类测试,进一步根据聚类结果来修正DBN,以获取DBN的最佳结构.实验中选取Iris数据集进行聚类测试,其结果表明,通过所提出的方法获取的DBN有效结构来处理原始数据,能够提高聚类的准确性.
- 周贤泉宋威
- 关键词：重构误差
