丁昕苗
- 作品数：51 被引量：45H指数：3
- 供职机构：山东工商学院信息与电子工程学院更多>>
- 发文基金：国家自然科学基金山东省自然科学基金国家高技术研究发展计划更多>>
- 相关领域：自动化与计算机技术文化科学经济管理电子电信更多>>
- 基于J2EE技术的WEB考试系统的研究与实现
- 随着远程教育的发展，WEB考试系统在其中的重要性越来越突出，尤其是对于电子类网络课程，由于其题形种类多，题形复杂，判卷难度大，更需要一个功能完善，健壮的WEB考试系统来支持。
当前应用于Int...
- 丁昕苗
- 文献传递
- 基于MVC模式的系统框架在Web开发中的应用
- 随着多层Web体系结构的发展,出现了一种新型的软件设计模式MVC（模型-视图-控制器）。本文介绍了MVC设计模式的概念和基于MVC的可复用框架SUN WAF（WEB APPLICATION FRAMWORK）,并结合基于...
- 丁昕苗
- 关键词：J2EEWAFMVC设计模式
- 文献传递
- 协同结构稀疏重构的判别性视觉跟踪
- 2018年
- 基于稀疏表示的表观似然模型在目标跟踪领域具有广泛的应用,但是这种单一产生式目标表观模型并未考虑完整的判别性结构信息,容易受复杂背景的干扰。为了缓解由该问题造成的目标跟踪漂移,提出了一种目标表观字典和背景字典协同结构稀疏重构优化的视觉跟踪方法。通过构建一个有判别力的基于稀疏表示的表观似然模型,实现了对目标表观模型更为准确的描述。通过合理选择约束候选目标区域和候选背景区域的稀疏系数,在表观似然模型中引入判别式信息,以进一步揭示候选目标区域的潜在相关性和候选背景区域的结构关系,从而更加准确地学习候选目标区域的表观模型。大量有挑战性的视频序列上的实验结果验证了算法在复杂背景下跟踪的鲁棒性,与其他相关算法的对比实验也体现了该算法的优越性。
- 游思思应龙郭文丁昕苗华臻
- 一种基于上下文稀疏表示的恐怖视频识别方法及装置
- 本发明公开了一种基于上下文稀疏表示的恐怖视频识别方法及装置，该方法包括：对训练视频样本进行镜头分割，然后针对每个镜头选取一幅关键帧来代表该镜头；提取每个关键帧的视觉特征，并提取整个训练视频样本的音频特征；建立起每一个训练...
- 李兵胡卫明丁昕苗祝守宇
- 文献传递
- 按需下载网站资源的方法研究及实现
- 2009年
- 当前网站上的下载资源,多数由后台管理人员上传提供,资源内容相对固定,不能完全满足下载者的需要,针对这个问题提出了一种可以按需提供下载资源的方式,且下载资源自动生成,真正做到按需自动化,并以某公司网站的产品目录下载为例采用Java语言实现。
- 丁昕苗魏广芬魏书田
- 关键词：下载自动化JAVA
- 基于线性调频信号的矿山井下精确定位系统及定位方法
- 本发明涉及一种基于线性调频信号的矿山井下精确定位系统及定位方法，属于定位方法技术领域。包括具有收发线性调频信号的标签、在井下工作面区域及狭长巷道内间隔安装的多个锚节点，锚节点包括定位锚节点、中继锚节点、控制通信锚节点，将...
- 魏书田张岩魏广芬张守祥丁昕苗高群
- 文献传递
- 基于多示例学习的恐怖视频识别技术研究
- 随着互联网的发展，与日俱增的有害信息正威胁着青少年的身心健康。其中，恐怖视频因为其媒体形式声形并茂，且没有有效的智能化手段对其进行识别和过滤，因此成为计算机视觉领域的新兴研究方向。本文主要基于多示例学习框架，针对目前恐怖...
- 丁昕苗
- 关键词：多示例学习上下文关系
- 一种基于示例非独立同分布的多示例多标签分类算法被引量：3
- 2016年
- 多示例多标签学习是一种新型的机器学习框架。在多示例多标签学习中,样本以包的形式存在,一个包由多个示例组成,并被标记多个标签。以往的多示例多标签学习研究中,通常认为包中的示例是独立同分布的,但这个假设在实际应用中是很难保证的。为了利用包中示例的相关性特征,提出了一种基于示例非独立同分布的多示例多标签分类算法。该算法首先通过建立相关性矩阵表示出包内示例的相关关系,每个多示例包由一个相关性矩阵表示;然后建立基于不同尺度的相关性矩阵的核函数;最后考虑到不同标签的预测对应不同的核函数,引入多核学习构造并训练针对不同标签预测的多核SVM分类器。图像和文本数据集上的实验结果表明,该算法大大提高了多标签分类的准确性。
- 陈彤彤丁昕苗柳婵娟邹海林周树森刘影
- 关键词：多示例学习多核学习
- 基于深度特征选择的多示例算法及在图像分类中的应用被引量：3
- 2021年
- 信息技术高速发展为人们生活带来便利的同时,海量的信息也给人们带来许多困扰,如图像检索变得越来越困难。因此智能化地进行图像分类识别具有重要的研究意义。基于多示例学习的图像分类方法得到了越来越多学者关注,。也提出了一些算法,但仍存在特征表达有限,模型受无关示例影响较大的问题。文章提出一种基于深度特征选择的多示例算法,并验证了此算法的有效性。该方法首先利用深度预训练模型提取示例高层语义特征,再将包投影到示例获取图像的深度特征,然后通过特征选择剔除干扰示例的影响,最后利用训练好的SVM分类器对图片类别进行预测。不同数据集上的实验结果表明,该方法有效地实现了图像分类。
- 吕文恬杨涵文李星烨高玉发丁昕苗
- 关键词：图像分类多示例学习
- 一种基于特征选择的多示例多标签学习方法及系统
- 本发明公开了一种基于特征选择的多示例多标签学习方法及系统，其中，所述方法包括：将已知数据集中所有的包特征映射到由已知数据集中所有示例组成的投影示例参考空间，得到包的特征向量；采用基于l<Sub>2,1</Sub>范数约束...
- 邹海林陈彤彤柳婵娟丁昕苗
- 文献传递
