张家晨
- 作品数：31 被引量：232H指数：8
- 供职机构：吉林大学更多>>
- 发文基金：国家自然科学基金吉林省科技发展计划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更多>>
- 基于群体智能技术的人工神经网络结构优化研究被引量：6
- 2020年
- 为了提高人工神经网络求解最优解的准确度和效率,采用群体智能算法中的狼群优化算法对神经网络结构进行优化。建立基于Sigmoid函数的人工神经网络,随机初始化权重及网络节点数,生成不同类型的人工神经网络结构模型,将网络结构模型进行稀疏矩阵的数学表示,然后将不同网络结构模型的矩阵集合作为狼群算法的输入,通过狼群优化算法对狼群游走及围攻的位置来不断调整优化,最后根据头狼的位置得到最优解。试验证明:采用基于狼群优化算法的人工神经网络,提高了人工神经网络的解决非线性函数拟合的准确度和手写数字的识别率。
- 宋国平宋国平
- 关键词：人工神经网络误差函数
- 基于全局与局部形状特征融合的形状识别算法被引量：4
- 2016年
- 经典的全局形状识别算法虽然高效,但在处理形变方面存在不足。局部形状识别算法拥有良好的检索率,但在辨别力方面的效果却有待提高。为解决上述问题,本文提出一种基于特征点分类的融合框架,该框架不仅融合了全局与局部算法的优势,还弥补了二者的不足。一些经典的形状识别算法采用提取特征点的方式来构建形状特征直方图,本文在此基础上,将提取到的特征点进一步分类,针对不同类别的特征点集合采用不同的形状识别算法进行描述,并将匹配结果进行融合,充分发挥了全局与局部算法的优势。实验结果表明,本文提出的框架能够有效结合不同算法实现形状的识别并获得更好的效果。
- 王生生郭湑张家晨王光耀赵欣
- 关键词：计算机应用特征点
- 基于堆叠泛化的设计模式检测方法被引量：5
- 2020年
- 设计模式检测是理解和维护软件系统的一项重要工作.以高效识别设计模式变体和提高设计模式识别准确率为目的,将面向对象度量与模式微结构相结合,提出一种基于堆叠泛化的设计模式检测方法.该方法应用典型的机器学习算法,分别训练度量分类器和微结构分类器,并基于两者的预测值和相关对象模型特征进一步训练,从而形成堆叠分类器.为了评估该方法,基于该方法开发了一个原型工具OOSdpd.该工具从Java字节码级别的系统实现中抽取设计模式实例,并在JUnit等几个经典的开源项目上进行实验.通过与现有的两种工具进行对比分析,实验验证了该方法在提高设计模式识别准确率及召回率方面的有效性.
- 冯铁靳乐张家晨王洪媛
- 关键词：面向对象软件度量
- LALR(1)语法分析器的自动生成被引量：8
- 2003年
- 文章简单介绍了语法分析器自动生成的原理和技术 ,根据语法分析器的生成过程 ,介绍了实用的语法分析器的自动生成器各个部件及其实现的详细过程。
- 肖俊超张家晨
- 关键词：自动生成C语言程序设计
- 面向对象详细设计描述描述语言及转换的研究
- 张家晨
- 面向对象详细设计描述语言及转换的研究
- 张家晨
- 从Scenarios到状态图的算法分析被引量：1
- 2006年
- 采用Scenarios进行需求建模能够反映从用户角度观察到的系统的行为,状态图是系统行为的精确描述。从Scenario到状态图的自动转换是指软件开发过程中从UML需求模型自动生成行为模型的过程,其研究对于细化系统行为,保持开发过程中模型间的一致性有重要意义。对其研究现状及进展进行了介绍,并对现有算法进行了总结和分类,进一步指出这些算法的不足和今后需要改进的方向。
- 王洪媛张可张家晨
- 关键词：顺序图状态图
- 适应1∶1双向关联关系设计调整的代码重构
- 2004年
- 在总结面向对象1∶1双向关联关系几种典型的设计方法的基础上,利用类方法和类变量提出了一种适应1∶1双向关联关系设计变化的代码重构方法。
- 张家晨冯铁王洪媛
- 关键词：面向对象
- 关注分离问题研究综述被引量：12
- 2005年
- 数十年以来,关注分离问题一直是软件工程的核心问题之一,关注分离是将软件分解成可管理、可理解的部分并将之组织起来的主要动力。本文综合了现有的关注分离的研究工作,分析了对于关注这一个概念的两类观点,并从问题求解的角度给出了关注以及关注分离的定义。论述了在软件开发周期各个阶段从关注分离角度需要考虑的问题、策略和当前的研究热点。
- 何丽莉金淳兆冯铁张家晨
- 关键词：软件工程软件开发
- 基于LightGBM的特征选择算法被引量：21
- 2021年
- 为解决过滤式和基于演化学习的包裹式两类特征选择算法的缺陷,提出一种新型包裹式特征选择算法LGBFS(LightGBM feature selection).首先引入LightGBM对原始特征构建迭代提升树模型并对特征重要度进行度量;随后结合提出的LR序列前向搜索策略LRSFFS对特征进行选择;最后将所提出算法与9种对比算法在21个标准数据集上进行对比,结果显示LGBFS在21个标准数据集中的16个取得最优分类精度、18个取得最优维度缩减率和最优CPU运行时间.还进行了时间复杂度分析与显著性检验,检验表明LGBFS相较6种对比算法具有显著性差异,也说明LGBFS能够同时兼顾特征子集的计算效率和分类精度.
- 李占山姚鑫刘兆赓张家晨
