卢志翔
- 作品数：41 被引量：86H指数：4
- 供职机构：南宁学院更多>>
- 发文基金：广西教育科学“十二五”规划课题广西高等教育教学改革工程项目新世纪广东省高等教育教学改革工程项目更多>>
- 相关领域：自动化与计算机技术文化科学电子电信经济管理更多>>
- 全文检索系统研究——检索结果排序算法研究
- 随着信息技术的发展，特别是计算机网络技术的发展和因特网应用普及，信息检索系统己成为人们获取资源和信息交流的主要途径。检索系统作为搜寻网络信息的最主要的工具，已经渗透到人们生活的各个领域。然而用户的一个查询请求往往会检索出...
- 卢志翔
- 关键词：信息检索
- 一种基于KNN用户兴趣快速分类算法被引量：1
- 2010年
- 用户兴趣的快速分类是个性化检索系统的关键技术，而KNN（K-Nearest Neighbor）是向量空间模型中最好的文本分类算法之一。本文分析了KNN分类法存在的不足，提出了一种用户兴趣快速分类算法,形式化地描述了用户兴趣模型的建立和兴趣更新过程。实验表明改进的算法可以在保持KNN分类性能基本不变的情况下，显著提高分类效率。
- 卢志翔
- 关键词：KNN概念树
- 挖掘学校老机子(电脑)潜力
- 2007年
- 本文阐述了学校旧电脑处理现状和提出再利用观点。
- 卢志翔韦建忠
- 关键词：再利用
- 一种用于设备间数据共享的方法和系统
- 本发明提供一种用于设备间数据共享的方法和系统，包括第一设备和第二设备，设备间通过设定模块、传输模块、存储模块以及加密模块实现数据的快速共享，其中设定模块可按照用户的操作习惯以及对数据的访问需求进行数据共享方式的设定，传输...
- 卢志翔陈积常韦娜英
- 文献传递
- 基于M-learning的翻转课堂教学模式设计研究被引量：11
- 2015年
- 通过对移动终端的优势分析和对翻转课堂的简单介绍,提出了在高校实施移动学习(M-learning)模式下翻转课堂教学的必要性,设计了适合于现代高校大学生学习的教学模式,实现了课堂教学质量提高和个性化教学的转变,以此推动高校移动学习(M-learning)模式下的教学实践的发展。
- 卢志翔
- 关键词：M-LEARNING教学模式
- 一种无功补偿控制系统
- 本发明提供的一种无功补偿控制系统；包括控制单元、功率转化单元、功率补偿单元，所述功率转换单元检测三相电路中的电压值和电流值输送给控制单元，控制单元根据接收的电流值和电压值控制功率补偿单元对电路进行补偿。本发明通过采用优化...
- 黄孝平文芳一黄文哲黄丽军卢志翔李胜谈华雄杨秋香龚春荣
- 文献传递
- 一种控制系统传感数据处理方法
- 本发明提供了一种控制系统传感数据处理方法，包括如下步骤：(1)生成随机数；(2)选取通信通道；(3)读取数据；(4)判断时间片；(5a)存入缓存；(5b)范围检查；(6)数据整理；(7)跳转控制。本发明通过选取通信通道、...
- 黄孝平文芳一黄文哲朱浩铭谈华雄卢志翔李胜杨秋香
- 文献传递
- 基于深度多模态关联学习的短视频多标签分类研究
- 2024年
- 【目的】充分利用模态互补性,增强模态之间和模态与标签之间的相关性,实现高度准确的分类效果。【方法】提出一种基于多模态语义增强及图卷积网络的短视频多标签分类算法,利用短视频中的多模态信息进行多标签分类任务。【结果】算法分类精度达87.15%,比最优的基准算法提升了6.82个百分点。【局限】模态融合增强信息存在冗余信息,这些冗余掩盖了模态之间的相关性;此外,基于多模态的多标签分类研究较为有限。【结论】本文算法能够提高模态之间的互补性,增强模态与类别之间的相关性,提高分类准确性。
- 李云卢志翔刘姝伊王粟吕梓民井佩光
- 关键词：多模态融合
- 大数据环境下资源负荷短期预测时间跨度估计
- 2015年
- 大数据环境下资源负荷短期预测时间跨度计算是提高大数据资源调度和数据集成的基础。通过对大数据环境下资源负荷短期预测时间跨度的准确估计,提高资源负荷的预测性能。提出一种基于非线性差分相点融合估计的资源负荷短期预测时间跨度估计算法。构建大数据环境下资源负荷模型,基于非线性差分相点融合估计的资源负荷短期预测时间跨度估计,进行非线性差分相点融合,进行全网拓扑信息激励传播均衡设计,通过频繁的切换来进行网络选区,将时间划分为连续区间,重新分配大数据环境下的时间跨度,最后得到基于线性差智能群辨识的资源短期预测时间跨度估计算法改进。仿真结果表明,该算法具有较好的时间跨度估计性能,提高了大数据环境下的资源负荷预测精度,具有较小的任务调度路径延时和能耗损失,为提高云平台的资源利用效率提供基础,展示了较好的应用价值。
- 卢志翔
- 关键词：大数据时间跨度
- 基于无监督特征提取的局部相似度保序投影方法
- 2023年
- 为了对机器学习和模式识别等领域中的高维数据进行特征降维,在传统的局部保持投影方法上,提出基于无监督特征提取的局部相似度保序投影方法,使用低阶与高阶的局部关系探索数据局部结构,同时引入平衡参数调整样本低阶结构和高阶结构的重要性,利用图嵌入框架,通过特征值分解得到了最优的子空间投影矩阵。在3个公共数据集上与一些经典的图像降维算法进行对比实验,并给出该算法的参数敏感性分析。实验结果表明:在相同的实验条件下,采用局部相似度保序投影方法处理后的数据具有较好的数据判别特征,在图像分类任务中表现最佳,与一些经典的降维方法相比,该方法具有更好的降维效果。
- 赵俊涛卢志翔李陶深
- 关键词：特征降维图嵌入
