段宝彬
- 作品数：26 被引量：90H指数：6
- 供职机构：合肥学院更多>>
- 发文基金：安徽省高等学校优秀青年人才基金安徽省教育厅教学研究项目江苏省“青蓝工程”中青年学术带头人培养对象资助项目更多>>
- 相关领域：理学自动化与计算机技术文化科学更多>>
- 有理插值型数值微分被引量：1
- 2008年
- 现有的插值型数值微分公式是基于n次插值多项式而建立的,借助多项式插值的迭加思想而构造的有理插值函数,从而给出的数值微分公式更灵活有效,便于实际应用,并用实例加以验证.
- 孙梅兰茆芹段宝彬
- 关键词：数值微分多项式插值有理插值
- 改进的模糊积分评价模型在机械工艺方案评价中的应用被引量：1
- 2011年
- 模糊积分评价方法是建立在模糊集理论基础上的一种评价方法,但由于模糊测度不满足自对偶性,并且主观性也比较大,使得评价结果有时难以让人信服。可信性理论是2004年由刘宝碇教授等人完成的研究成果,它给出了基于测度论的模糊数学公理化体系,提供了随机与模糊环境下模糊积分评价的严格数学基础。本文通过引入可信性测度,利用可信性反演定理,建立了基于可信性理论的Sugeno模糊积分评价模型,并将其应用于机械加工工艺方案的综合评价中,取得了较为满意的结果。
- 段宝彬吴琨
- 关键词：综合评价
- 基于多分类器多模糊积分的信息融合方法被引量：2
- 2008年
- 不同模糊积分进行信息融合的结果有时可能会差别很大,为了提高多分类器融合系统的识别率,提出基于多分类器多模糊积分的信息融合方法,综合考虑多分类器不同模糊积分的融合结果来进行分类,有助于弥补采用单一模糊积分信息融合方法的不足。
- 段宝彬孙梅兰
- 关键词：模糊积分信息融合
- 模糊随机变量序列的一个强大数定律
- 2007年
- 利用连续模糊数的性质和数学分析的结论,通过构造适当的零测度子集序列,将任意随机变量的强极限定理推广到模糊随机变量情形,得到了任意模糊随机变量序列的一个强大数定律,它是独立同分布等情形模糊随机变量强大数定律的推广.
- 段宝彬丁芳清张林松
- 关键词：强大数定律模糊随机变量A.S.收敛
- 一种基于生成对抗网络和双聚类的推荐方法及系统
- 本发明公开了一种基于生成对抗网络和双聚类的推荐方法及系统，属于计算机应用技术领域。方法包括：首先读取用户‑项目的不完备评价数据集，接下来构建由生成网络和判别网络组成的生成对抗网络，然后利用训练好的生成网络对缺失评价值进行...
- 段宝彬杜振东
- 文献传递
- 常微分方程课程分层教学的探索与实践被引量：7
- 2009年
- 随着高校扩招,高等教育由精英教育转化为大众教育,由于学生的基础和水平参差不齐,传统的"一刀切"教学模式很难适应现在的高等教育.尝试将分层教学的理论应用到常微分方程课程的教学实践中,提高了学生学习的兴趣和自主学习的能力,使不同层次的学生在学习的有效性、数学应用能力等方面都有不同程度的提高.
- 段宝彬陈秀胡秀林
- 关键词：常微分方程分层教学因材施教
- 基于堆叠稀疏自编码的模糊C-均值聚类算法被引量：9
- 2015年
- 针对模糊C-均值聚类算法对孤立点、随机初始化的聚类中心比较敏感的问题,将堆叠稀疏自编码与传统模糊C-均值聚类算法相结合,对传统模糊C-均值聚类算法进行了改进。由于堆叠稀疏自编码可以提取原始数据集从低层到高层的特征,而高层的特征通常比原始数据集更能反映待聚类样本的本质特征,用其代替原始数据集进行聚类,有助于提高聚类的效果。利用改进后的算法在UCI的几个标准数据集上进行实验,结果表明改进后的算法是有效可行的。
- 段宝彬韩立新谢进
- 关键词：模糊C-均值聚类
- 基于变分自编码器和密度峰值的混合属性数据聚类方法
- 本发明公开了一种基于变分自编码器和密度峰值的混合属性数据聚类方法，首先对原始混合属性数据进行编码、归一化、降维等预处理，消除冗余特征；接下来用变分自编码器提取潜在的特征，最后利用改进的密度峰值算法进行聚类，有助于提高聚类...
- 段宝彬韩立新勾智楠
- 文献传递
- 改进的深度卷积网络及在碎纸片拼接中的应用被引量：14
- 2014年
- 近年来,深度卷积网络在图像识别、语音识别和自然语言处理等领域广泛使用,取得了很好的效果。为解决全部样本均为无标签数据的分类问题,对深度卷积神经网络进行了改进,采用卷积自动编码器学习输入样本的特征,用k-均值聚类器代替深度卷积网络中的分类器,建立了改进的深度卷积网络结构,给出了相应的学习算法,将其用于解决碎纸片拼接问题。实验表明,该方法有效可行,提高了碎纸片拼接的准确性和鲁棒性。
- 段宝彬韩立新
- 关键词：卷积神经网络K-均值聚类
- 确定多分类器融合中模糊测度的一种新方法被引量：1
- 2007年
- 为了解决多分类器融合中确定模糊测度困难的问题,本文提出了一种简单实用的方法:先利用基于模糊一致矩阵的决策方法计算各分类器的主观模糊密度值,然后将其与作为客观模糊密度值的分类器识别率进行组合得到各分类器的综合模糊密度值,进而确定出相应的模糊测度值。
- 段宝彬孙梅兰
- 关键词：模糊一致矩阵模糊密度
