左方
- 作品数：55 被引量：89H指数：6
- 供职机构：河南大学更多>>
- 发文基金：国家自然科学基金河南省自然科学基金河南省基础与前沿技术研究计划项目更多>>
- 相关领域：自动化与计算机技术文化科学经济管理医药卫生更多>>
- 一种基于多通道卷积神经网络的关系网络节点分类方法
- 本发明公开了一种基于多通道卷积神经网络的关系网络节点分类方法，包括获取包含待分类节点的初始图网络信息，所述初始图网络信息包括初始图网络结构信息和初始图网络中每个节点的节点特征信息；根据初始图网络中节点之间的特征相似度构建...
- 左方李承宗张玉涛翟锐于俊洋宋亚林王瑛琦
- 文献传递
- 民族高校图书馆服务的新亮点:地方性知识服务——以民族医药文化为例被引量：5
- 2009年
- 地方性知识是相对于普遍性知识的一种知识形态,它是人们为适应所处的自然环境,在长期生产生活中创造、积累、运用和传习的知识和技能。民族地区有丰富的地方性知识资源,民族医药文化就是其中的一种典型。民族高校图书馆知识服务应围绕地域环境、民族文化、地方经济发展等多种途径来开展,以促进地方文化资源向文化资本转化,从而推动民族地区社会的全面进步和发展。
- 左方
- 关键词：知识服务地方性知识民族医药
- 一种基于引导滤波的IHS遥感图像融合方法
- 本发明提供了一种基于引导滤波的IHS遥感图像融合方法。首先，采用引导滤波对多光谱图像进行处理，得到边缘信息更加丰富的多光谱图像，利用高通滤波对多光谱图像和全色图像进行滤波，得到其各自的高频细节分量；然后，利用自适应AIH...
- 王瀛何欣余岚旭左方郝正阳
- 一种基于蚁群算法的云存储副本动态选择机制研究被引量：6
- 2015年
- 针对云存储技术中副本选择优化问题,提出一种基于蚁群原理的云存储副本动态选择算法。构建基于蚁群的副本动态选择模型,建立副本选择度量标准(如带宽占用、网络路径时延和平均访问时间等)与蚁群信息素的映射,并对虚拟机实例负载状况和虚拟机集群资源利用状况进行量化评估,感知所监控的云节点的资源度量情况;最后利用副本信息素概率计算式得到一组选择副本资源的最优解,最终达到优化负载均衡的目的。经Open Stack模式的云平台对新算法仿真实现,实验结果表明新算法成功实现了副本的有效分发和虚拟机集群的负载均衡,与Round Robin和Server Load算法相比,新算法有更好的负载均衡效果。
- 左方何欣
- 关键词：副本选择蚁群算法
- 一种基于加噪机制的单锚定位隐私保护方法
- 本发明公开一种基于加噪机制的单锚定位隐私保护方法，包括：目标节点发布定位任务，并将定位子任务分别发送给参与定位的不同锚节点；各锚节点对目标节点进行距离和角度测量，根据测量的距离信息和角度信息计算目标节点的估计位置；所有参...
- 王光辉李雅洁左方白天水
- 文献传递
- 贵州民族地区大学生信息素养现状及其对策研究被引量：6
- 2008年
- 了解并分析贵州民族地区大学生信息素养现状,提出对策。采用国际通用的社会学和统计学方法,遵循分层整群抽样原则,对贵州省3个少数民族自治州4所高职高专学校的大学生进行问卷式调查。
- 左方张荣
- 关键词：信息素养大学生民族地区
- 专业学位研究生产学研联合培养基地建设研究——以河南大学软件学院为例
- 专业学位研究生的培育是高校研究生培育重要任务之一,对培养高层次应用型专门人才和支撑国家重大发展战略具有重要作用。以河南大学软件学院研究生联合培养基地建设为探讨对象,分析了专业学位研究生联合培养基地的建设现状、意义与走向。...
- 邓永兴何欣王瀛左方
- 关键词：专业学位研究生产学研
- 一种面向异质统计的分簇联邦学习方法
- 本发明公开一种面向异质统计的分簇联邦学习方法，包括：步骤1，构建边缘节点分布分类器；步骤2，确定边缘节点分簇的衡量指标；步骤3，确定节点集群的分簇方法；步骤4，使用分簇方法对边缘节点进行分簇；步骤5，服务器初始化全局模型...
- 左方高铭远刘家萌
- 一种基于结构重参数化的多尺度实时去雾方法及装置
- 本发明公开一种基于结构重参数化的多尺度实时去雾方法及装置，改方法包括：构建结构重参数化模块；构建基于结构重参数化的多尺度图像去雾网络；采用K‑estimation图像重建模块对雾霾图像进行去雾；定义基于结构重参数化的多尺...
- 左方刘家萌高铭远
- 基于部分卷积和多尺度特征融合的人脸图像修复模型被引量：9
- 2023年
- 针对破损区域较大的人脸图像,修复后图像存在局部色差、边界伪影和细节缺陷等问题,提出基于部分卷积和多尺度特征融合的人脸图像修复模型。该模型主要分为多尺度修复网络和判别器网络。修复网络通过多级特征提取模块和主分支模块,有效融合深层和浅层的图像特征,实现了人脸图像的特征提取和融合。此外,构建由内容损失、感知损失、风格损失、总变分损失和对抗损失组成的联合损失函数,用于训练多尺度修复网络,并通过与判别器网络的相互对抗,提高修复图像与真实图像的视觉一致性。实验结果表明,对于不同的掩膜率,采用该模型修复的图像具有合理的纹理结构和上下文语义信息,并在定性和定量比较上表现更好。
- 孙琪翟锐左方张玉涛
