陈振洲 作品数:24 被引量:37 H指数:3 供职机构: 华南师范大学 更多>> 发文基金: 广东省科技计划工业攻关项目 国家高技术研究发展计划 广州市科技计划项目 更多>> 相关领域: 自动化与计算机技术 医药卫生 文化科学 更多>>
一种满足租户差异化需求的多租户数据库的构建方法 本发明公开了一种满足租户差异化需求的多租户数据库的构建方法,包括对租户的存储性能需求,隐私性需求,数据自定程度需求以及故障恢复能力需求进行建模;对数据模型的查询性能特性,隔离级别特性,自定义程度特性以及共享级别特性进行建... 范冰冰 李伟集 陈振洲基于对象属性约束权限控制研究与实现 被引量:2 2016年 授权控制是软件设计中一个比较难处理的问题,目前大多授权研究均基于用户授权方法,未涉及授权后实现技术.上述授权技术通常采用简单限制或允许某些菜单、命令功能操作,授权控制方式简单、粒度大而且不灵活.文中提出一种基于对象属性的约束访问控制方法,通过对软件最小控制单位(对象属性)进行约束,很好解决上述问题;该方法具有授权管理方便以及实现简单等特点,并极大提高软件开发效率和复用程度. 曾锡山 陈振洲关键词:角色 约束管理 核Foley-Sammon变换 被引量:1 2007年 在模式识别领域,基于Fisher判别准则的Foley-Sammon变换技术有很大的影响.但是线性判别并不总是最优的.文章提出了一种基于核技巧(Kernel tricks)的非线性的特征提取技术KFST(Foley-Sammon Transformwith Kernels)——通过引入核技巧,可以在特征空间中有效计算FST.特征空间中的线性特征提取对应于输入空间的非线性特征提取.试验表明,KFST比FST具有更好的特征提取能力. 陈振洲 邹丽珊关键词:特征提取 核方法 FISHER判别 基于深度迁移学习的大鼠肝纤维化诊断 被引量:3 2019年 针对肝纤维化临床诊断方法具有有创性和传统机器学习方法特征提取的不完全性的缺陷,本文采用深度迁移学习方法利用预训练的ResNet-18和VGGNet-11模型用于肝纤维化分期诊断.使用南方医科大学提供的大鼠肝纤维化核磁共振影像数据集进行不同程度的迁移训练.将两种模型在通过4种不同参数采集的核磁共振影像数据集上,分别使用6种网络迁移配置训练.实验结果表明,使用T1RHO-FA参数采集的核磁共振影像和采用VGGNet-11模型更能提高肝纤维化分期诊断的准确率.同时相对于ResNet-18模型,深度模型迁移学习方法能稳定提升VGGNet-11模型进行肝纤维化分期诊断的准确率和训练速度. 余文林 陈振洲 范冰冰 黄穗关键词:肝纤维化 SVM在临床医学中的应用 被引量:2 2009年 SVM是一种有坚实理论基础的新颖的小样本学习方法。它基本上不涉及概率测度及大数定律等,因此不同于现有的统计方法。SVM在解决小样本、非线性及高维模式识别问题中具有许多特有的优势,并能够推广应用到函数拟合等其他机器学习问题中。目前SVM已广泛应用各个领域,但其也有一定的局限性。本文综述了最近几年来支持向量机在临床医学中的应用状况,并探讨其应用前景。 谭建奇 廖贤平 黄孝庭 陈振洲关键词:支持向量机 建立业务系统的安全基线的方法和装置 本发明实施例公开了一种建立业务系统的安全基线的方法和装置,包括以下步骤:统计业务系统的安全因素,得到安全基线的内容;根据所述安全基线的内容,对安全基线进行分类;根据所述安全基线的分类,形成安全基线架构;对所述安全基线架构... 范冰冰 黄君胜 陈振洲文献传递 《离散数学》教学改革探讨 被引量:7 2008年 《离散数学》是计算机学科的一门重要的基础课程,该课程理论性强,非常抽象。为完成该课程的培养学生抽象思维能力以及提高学生动手能力的基本要求,为后续课程打好坚实的基础,教师有必要改善教学方法,例如让学生认识离散数学的重要性,在教学过程中进行实例教学和实验教学。 陈振洲关键词:离散数学 教学方法 教学改革 一种满足租户差异化需求的多租户数据库的构建方法 本发明公开了一种满足租户差异化需求的多租户数据库的构建方法,包括对租户的存储性能需求,隐私性需求,数据自定程度需求以及故障恢复能力需求进行建模;对数据模型的查询性能特性,隔离级别特性,自定义程度特性以及共享级别特性进行建... 范冰冰 李伟集 陈振洲文献传递 应用于内容分发网络系统中的互联网访问加速方法及装置 本发明属于计算机网络领域,具体公开了一种应用于内容分发网络系统中的网络访问加速方法及装置。该网络访问加速方法通过将常用的访问对象缓存于边缘服务器之中,并且通过上述的数据安置方法将原始服务器中的数据族复制至边缘服务器之中并... 范冰冰 陈振洲 柳杨文献传递 基于改进SVM的特征选择 2007年 本文在仔细分析特征选择思想的基础上,将特征选择过程嵌入到学习机里面,提出了一种基于改进支持向量机的特征选择算法(Feature selection via Modified Support Vector Machines),该方法通过对特征的权重进行排序来实现特征选择.利用可以将特征选择过程和学习过程有机地统一起来,实验表明,与其它方法比较,该方法能够达到比较好的效果. 陈振洲 邹丽珊