肖基毅
- 作品数：49 被引量：127H指数：6
- 供职机构：南华大学计算机科学与技术学院更多>>
- 发文基金：湖南省教育厅科研基金国家自然科学基金湖南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石油与天然气工程理学更多>>
- 基于Agent的协同远程教学模型被引量：16
- 2002年
- 利用网络进行远程教学有很多优点。文章讨论如何把Agent和计算机支持的协同工作技术应用到远程教学中以增强教学效果。在多Agent通信语言KQML的基础上 ,提出了基于Agent的协同远程教学模型 。
- 肖基毅陈坚祯朱常春
- 关键词：AGENT计算机支持协同工作远程教学KQMLCSCW
- 混合遗传算法和隐马尔可夫模型的Web信息抽取被引量：5
- 2008年
- 传统Web信息抽取的隐马尔可夫模型对初值十分敏感和在实际训练中极易得到局部最优模型参数。提出了一种使用遗传算法优化HMM模型参数的Web信息抽取混合算法。该算法使用实数矩阵编码表示染色体,似然概率值为适应度取值,将GA与Baum-Welch算法相结合对HMM模型参数进行全局优化,并且调整GA-HMM的Baum-Welch算法参数实现Web信息抽取。实验结果表明,新的算法在精确度和召回率指标上比传统HMM具有更好的性能。
- 肖基毅邹腊梅李传琦
- 关键词：遗传算法隐马尔可夫模型WEB信息抽取最大似然算法
- 基于知识网格的分布式数据挖掘被引量：6
- 2007年
- 科学和工商业应用需要分析分布在各异构站点的海量数据。这就需要合适的分布式并行系统来存储和管理数据。网格为分布式数据挖掘和知识发现提供了有效的计算支持。文中在讨论知识网格体系结构的基础上,利用可视化网格应用环境VEGA实现了基于网格的分布式数据挖掘过程。
- 胡蓉肖基毅
- 关键词：知识网格VEGA数据挖掘知识发现
- 基于可扩展标记语言的Web复杂文档管理技术被引量：1
- 2002年
- 当前流行的Web查询技术是基于关键词匹配的信息检索 ,它已不适应用户提出的解决复杂文档、结构和半结构查询的需要 .文章在系统介绍了标记语言和可扩展标记语言的基础上 ,分析了基于可扩展标记语言的数据模型、存储。
- 肖基毅
- 关键词：可扩展标记语言WEB查询
- 独立学院办学特色几个基本问题的研究被引量：1
- 2012年
- 独立学院要办出特色，要在一定办学思想的指导下和长期办学实践中不懈奋斗、不断积累、充实，并逐步形成独特的、优质的、富有开创性的个性风貌。独立学院办学特色反映为办学理念的特色、人才培养模式的特色、学科建设的特色、专业建设的特色、课程建设的特色、师资队伍的特色、管理模式的特色和校园文化的特色等许多方面。
- 肖基毅凌均卫何啸峰
- 关键词：办学特色
- 面向对象数据库中建模、存储和查询研究被引量：6
- 1999年
- 本文分析了面向对象数据库的特点，讨论了面向对象数据库的建模、存储和查询处理以及存在的难题。
- 肖基毅
- 关键词：面向对象数据库查询
- 虚拟漫游系统中纹理的纠正与映射被引量：2
- 2005年
- 利用3D视觉分层重建技术,把模型的表面纹理图像从相片中提取出来,并加以纠正。然后根据OpenGL的要求把纠正的纹理变换到需要的尺寸,利用OpenGL提供的映射函数把它们映射到重建的三维模型的表面上去。使之具有相片般的真实感,并能够进行实时漫游。
- 邱建雄刘征海肖基毅
- 关键词：虚拟漫游系统3D视觉纹理图像映射函数实时漫游相片
- 核与辐射环境数据交换技术规范与应用接口开发研究被引量：1
- 2011年
- 为核与辐射环境信息与核与辐射恐怖袭击事件的管理,建立一套信息交换的技术行业规范,开发通用的辐射环境数据、资料的生成、储存和交换模型,能够实现与网络化环境监测数据管理系统和其它数据库系统的数据、资料的交换。为核与辐射环境监测数据、核与辐射环境监督管理数据的交换提供统一的数据规范和标准化的基础支持。该文主要介绍了关键技术数据交换总线的概念、功能以及具体开发实现。
- 李样兵肖基毅虞乐
- 关键词：核应急J2EE企业服务总线
- 网格数据挖掘本体的建模
- 2009年
- 网格技术的发展使网格数据挖掘成为处理分布异构海量数据的重要手段。该文将本体引入到网格数据挖掘中。讨论了网格数据挖掘本体的结构，并提出了网格数据挖掘本体的建立过程，最后讨论了网格数据挖掘本体实现。
- 邵明前肖基毅陈增科
- 关键词：网格数据挖掘本体
- 基于RAE+Dropout相结合的微博情感分析被引量：2
- 2017年
- 文本情感分析是近年自然语言处理领域的研究热点之一,其中微博情感分析受到了学术界和企业界的广泛关注。微博情感分析是指对用户针对某一事件发表的言论进行正向、负向和中性情感的判定。本文在分析了标准RAE模型缺点的基础上,提出了一种基于RAE+Dropout的联合模型。该模型利用Dropout技术有效地预防过拟合问题的发生,同时也提高了模型训练速度。RAE+Dropout模型与RAE+词性选择模型、标准RAE模型以及SVM模型的对比实验结果表明:RAE+Dropout模型的准确率和F1值属于最优,比标准RAE模型的准确值和F1值高出0.82%和0.64%,尤其是在高维词语向量中RAE+Dropout模型的效果更加明显。
- 李坚肖基毅欧阳纯萍阳小华翟云
- 关键词：情感分析DROPOUTRAE
