韩萌
- 作品数：75 被引量：318H指数：11
- 供职机构：北方民族大学计算机科学与工程学院更多>>
- 发文基金：国家自然科学基金宁夏回族自治区自然科学基金北京市自然科学基金更多>>
- 相关领域：自动化与计算机技术文化科学一般工业技术更多>>
- 基于Ajax的资源管理系统的设计与实现
- 2009年
- 针对目前现有的资源管理系统存在的问题,提出了一种基于Ajax技术的资源管理系统。Web页面采用局部动态刷新,提高了系统的使用效率。介绍了系统的功能模块和实现方案。
- 韩萌魏昕
- 关键词：AJAX资源管理WEB2.0
- 基于SOA的教学资源系统的研究与实现
- 面向服务的架构(Service-Oriented Architecture，SOA)是网络环境下的业务集成的一种软件系统架构，它具有良好的耦合性、服务复用性与平台无关性等特性，因此具有广泛的应用。
计算机基础教...
- 韩萌
- 关键词：SOA软件系统架构计算机基础教学
- 文献传递
- 面向复杂高效用模式的挖掘算法综述被引量：1
- 2022年
- 复杂高效用模式挖掘是当前研究的一个新兴主题。本文首次从高效用融合模式和衍生模式2个角度进行讨论。首先,对于融合模式,根据数据结构的不同对高效用序列模式进行分类论述;按照时间顺序对高效用片段模式、周期高效用模式进行概述。针对衍生模式,从数据结构角度对高平均效用模式、带有负项的高效用模式、on-shelf高效用模式进行总结;从精简类型角度概述精简高效用模式,并对现有融合模式和衍生模式挖掘算法的优缺点、上边界等进行对比分析。最后,针对现阶段研究缺陷与不足,给出了下一步研究方向,包括不确定数据中的高效用模式挖掘方法、数据流上的高效用on-shelf模式挖掘方法和大数据环境下的并行高效用模式挖掘方法。
- 李慕航韩萌陈志强武红鑫张喜龙
- 精简高效用模式挖掘综述被引量：2
- 2021年
- 全集高效用模式挖掘算法存在的关键问题之一是会产生冗余的高效用项集,这将导致用户很难在大量的高效用项集中发现有用的信息,严重降低了高效用模式挖掘算法的性能。为解决这一问题,衍生出了精简高效用模式挖掘算法,其主要包括最大高效用模式、闭合高效用模式、top-k高效用模式以及三者之间的组合高效用模式挖掘算法等。首先,介绍了精简高效用模式的相关问题描述;然后,从有无候选项集生成、一两阶段挖掘方法、数据结构类型和剪枝策略等角度,重点分类总结了精简高效用模式挖掘方法;最后,给出了精简高效用模式的进一步研究方向,包括处理基于负项的高效用精简模式、处理基于时间的高效用精简模式及处理动态复杂的数据等。
- 孙蕊韩萌张春砚申明尧杜诗语
- 概念漂移检测与适应方法综述被引量：1
- 2024年
- 随着数据信息的急速增长,数据流自身特征呈现多样化,这对概念漂移处理方法的研究提出了新的要求。以往基于性能退化的检测思路无法应对标签非即时可用环境,由此推动了无标签检测方法的研究。集成与增量学习的研究推动了漂移适应方法研究的进步。分别针对标签是否即时可用两种情况对漂移检测方法进行详细分析,同时以模型组成为基础,重点从集成角度对漂移适应方法进行分析说明。针对不同思路的漂移处理方法,从核心思路、对比模型、优点与局限性等方面进行全面总结,同时将不同思路的漂移处理方法进行整体对比。给出了该领域未来的研究方向,包括噪声区分、阈值设定与指标多样化的研究。
- 孟凡兴韩萌李春鹏张瑞华何菲菲
- 基于Web的通用在线考试系统的设计与实现被引量：22
- 2008年
- 针对早期的网络考试系统已经满足不了实际应用需求,研究开发了一套能适应大型网络考试需求的基于Web的通用在线考试系统,提出了划分成后台管理、考场监控管理和在线考试管理的系统方案,从试卷生成、在线监控、在线考试、阅卷与分析和试卷存储等模块进行阐述。通过多次大型考试实践验证,实现考试系统的出题、阅卷和成绩分析的自动化。
- 韩萌王移芝王嘉树
- 关键词：通用考试在线监控自动批改试卷分析
- 面向复杂数据流的集成分类综述被引量：6
- 2022年
- 随着大数据的快速发展,挖掘有价值的知识可能会面临高维、大量、动态数据的影响,这些复杂数据流的出现会导致分类效果下降。为了进一步分析数据流集成分类的研究现状和面临的挑战,本文对复杂数据流集成分类进行综述以供进一步研究,从复杂数据流、领域数据流角度重点介绍了目前算法的核心思想以及性能。其中,复杂数据流主要介绍概念漂移、不平衡、多标签数据流等;然后,介绍文本、图、传感器等领域数据流,归纳了集成学习在领域数据流中的应用;之后,从验证技术、评估指标方面对数据流评估方法进行介绍;最后,展望未来研究可能的几个方向,包括不确定数据流集成分类的挑战、多种数据流并存集成分类的挑战、延迟数据流集成分类的挑战、数据流分类评估方法的挑战等。
- 张喜龙韩萌陈志强武红鑫李慕航
- 生物启发式的模式挖掘方法综述
- 2024年
- 频繁项集挖掘、关联规则挖掘和高效用项集挖掘是模式挖掘中相互关联且不断发展的三个领域。近年来,由于传统算法无法应对爆炸式增长的数据环境,启发式算法已成为模式挖掘方法中的研究热点。为揭示模式挖掘领域的研究与发展现状,从粒子群、遗传、蚁群、蜂群等多个生物启发式算法角度对近年的频繁模式和高效用项集方法研究成果进行全面的分析与总结。对不同生物启发的模式挖掘方法,从使用策略、对比算法、数据集、优缺点进行概述,对相同数据集的实验结果及性能指标进行详细的对比分析。针对目前生物启发式模式挖掘方法中的不足,提出了下一步的研究方向,包括动态数据流、多目标进化、模糊计算和复杂数据类型的研究。
- 韩萌何菲菲张瑞华李春鹏孟凡兴
- 关键词：频繁项集关联规则
- 基于窗口内投影的闭合高效用模式挖掘
- 2022年
- 提出了一种快速且有效的数据流高效用模式挖掘算法EFIM_Closed_DS.算法基于窗口内投影技术,在每个窗口中使用数据库投影技术以及事务合并方法有效地减少了数据库扫描的代价。使用高效的剪枝技术和有效的闭合项集检测方法能够剪枝大量低效用项集以及非闭合项集。大量实验结果显示,提出的算法比之前最先进的算法在内存和时间上都更为有效。
- 李慕航韩萌陈志强武红鑫张喜龙
- 关键词：数据流
- 基于Shapelet剪枝和覆盖的时间序列分类算法被引量：17
- 2015年
- 时间序列shapelets是时间序列中能够最大限度地表示一个类别的子序列.解决时间序列分类问题的有效途径之一是通过shapelets转换技术,将shapelets的发现与分类器的构建相分离,其主要优点是优化了shapelets的选择过程,并能够灵活应用不同的分类策略.但该方法也存在不足:一是在shapelets转换时,用于产生最好分类结果的shapelets数量是很难确定的;二是被选择的shapelets之间往往存在着较大的相似性.针对这两个问题,首先提出了一种简单有效的shapelet剪枝技术,用于过滤掉相似的shapelets;其次,提出了一种基于shapelets覆盖的方法来确定用于数据转换的shapelets的数量.通过在多个数据集上的测试实验,表明了所提出的算法具有更高的分类准确率.
- 原继东王志海韩萌
