公共文化服务平台

汪廷华: 作品数：39 被引量：229H指数：7; 供职机构：赣南师范大学数学与计算机科学学院更多>>; 发文基金：国家自然科学基金江西省自然科学基金江西省研究生创新基金更多>>; 相关领域：自动化与计算机技术文化科学医药卫生语言文字更多>>

合作作者

基于最大信息系数的输入法对书写的影响分析被引量：1: 2019年; 表意文字系统的汉字,五千多年来永不停歇地传承着中华文化.拼音输入法在计算机等智能设备的广泛应用,导致"提笔忘字"现象,引发了汉字书写危机.研究从调查数据出发,应用最大信息系数进行分析,探讨了计算机文字输入法对汉字书写的影响.研究表明,当前人们普遍使用拼音编码的汉字输入法,其使用率是字形编码输入法的231倍;长期拼音编码汉字输入法的使用或过度依赖,会导致对汉字书写产生一系列的负面影响.; 杨丹刘赵发汪廷华刘汉明; 关键词：文字输入法

SVM样本约简算法研究综述被引量：3: 2024年; 支持向量机(Support Vector Machine, SVM)是基于统计学习理论和结构风险最小化原则发展起来的一种有监督的机器学习算法,它有效克服了局部最小和维数灾难等问题,具有良好的泛化性能,并被广泛应用于模式识别和人工智能领域。但SVM的学习效率随着训练样本数量的增加而显著降低,对于大规模训练集,采用标准优化方法的传统SVM面临着内存需求过大、执行速度慢,有时甚至无法执行的问题。为了缓解SVM在大规模训练集上存储需求高、训练时间长等问题,学者们提出了SVM样本约简算法。文中首先介绍了SVM理论基础,然后从基于聚类、几何分析、主动学习、增量学习和随机抽样5个方面系统综述了SVM样本约简算法的研究现状,讨论了各种SVM样本约简算法的优缺点,最后总结全文并展望未来。; 张代俐汪廷华朱兴淋; 关键词：支持向量机大规模数据集

核函数的选择研究综述被引量：54: 2012年; 核方法是解决非线性模式分析问题的一种有效方法,是当前机器学习领域的一个研究热点。核函数是影响核方法性能的关键因素,以支持向量机作为核函数的载体,从核函数的构造、核函数中参数的选择、多核学习3个角度对核函数的选择的研究现状及其进展情况进行了系统地概述,并指出根据特定应用领域选择核函数、设计有效的核函数度量标准和拓宽核函数选择的研究范围是其中3个值得进一步研究的方向。; 汪廷华陈峻婷; 关键词：核函数支持向量机核方法多核学习

一种基于概率解卷积的接收端链路自适应解调方法: 本发明涉及一种基于概率解卷积的接收端链路自适应解调方法，包括：利用速率兼容调制的编码矩阵对基带信号进行编码，对编码后的信号进行调制，获得调制信号，将调制信号从发送端经信道传输到接收端，对接收端接收的信号进行解调，得到解调...; 王敏范林秀钟琦易云汪廷华邹琴; 文献传递

模糊多核支持向量机研究进展被引量：7: 2021年; 模糊多核支持向量机将模糊支持向量机与多核学习方法结合,通过构造隶属度函数和利用多个核函数的组合形式有效缓解了传统支持向量机模型对噪声数据敏感和多源异构数据学习困难等问题,广泛应用于模式识别和人工智能领域。综述了模糊多核支持向量机的理论基础及其研究现状,详细介绍模糊多核支持向量机中的关键问题,即模糊隶属度函数设计与多核学习方法,最后对模糊多核支持向量机算法未来的研究进行展望。; 戴小路汪廷华胡振威; 关键词：核方法模糊支持向量机多核学习隶属度函数

混合策略改进的金豺优化算法被引量：3: 2024年; 针对金豺优化算法(golden jackal optimization,GJO)在求解复杂优化问题时存在收敛速度慢和易陷入局部最优等不足,提出一种混合策略改进的金豺优化算法(improved golden jackal optimization,IGJO)。在算法的最优解停滞更新时,引入柯西变异策略,增强种群多样性和提升算法陷入局部最优的逃逸能力;提出一种基于权重的决策策略,通过对金豺个体赋予不同权重进行种群位置更新的决策,加快算法的收敛速度。对8个基准测试函数以及部分CEC2017测试函数进行寻优实验,结果表明改进算法具有更好的优化性能和收敛速度;进一步地,将改进算法应用于支持向量回归(support vector regression,SVR)模型的参数优化,并在选取的5个UCI(University of California,Irvine)数据集上进行实验,验证了改进算法的有效性。; 朱兴淋汪廷华赖志勇; 关键词：柯西变异

核函数的度量研究进展被引量：13: 2011年; 核函数的度量(简称核度量)研究两个核函数(或一个核函数与另一个目标函数)之间相似性的度量方法,是核函数研究中的一个重要课题。系统综述了核度量的研究状况以及目前的研究进展,分析了典型核度量方法的特点及不足,并凝炼了其进一步研究的方向。; 汪廷华陈峻婷; 关键词：核方法核函数支持向量机

一种基于低维流形先验的低剂量CT重建方法: 一种基于低维流形先验的低剂量CT重建方法，从原始投影数据<Image file="DDA0002696938460000011.GIF" he="56" imgContent="drawing" imgFormat="G...; 牛善洲李楠钟世萍胡声洲汪廷华马建华

基于加权马氏距离的模糊多核支持向量机被引量：4: 2022年; 模糊支持向量机通过引入模糊隶属度有效区分不同样本的重要程度,降低了传统支持向量机对噪声数据的敏感性。针对基于欧氏距离设计的隶属度函数忽略了样本的总体分布,且未考虑样本特征重要性的区分,提出了一种基于加权马氏距离的模糊支持向量机方法。首先应用Relief-F算法计算样本特征权重,然后基于该权重计算样本距其类中心的加权马氏距离,最后根据该距离值度量样本隶属度。在此基础上,考虑到核函数及其核参数难以确定,将模糊支持向量机与多核学习方法相结合,提出基于加权马氏距离的模糊多核支持向量机,采用加权求和形式构建多核,并遵循中心核对齐原则确定每个核的权重。该方法不仅降低了弱相关特征对分类效果的影响,而且使数据表达更加全面准确。实验结果表明,基于加权马氏距离的模糊支持向量机的分类精度高于基于欧氏距离和基于马氏距离的模糊支持向量机,且基于加权马氏距离的模糊多核支持向量机的分类性能较单核模型更优。; 戴小路汪廷华周慧颖; 关键词：支持向量机多核学习隶属度函数

样本属性重要度的支持向量机方法被引量：7: 2007年; 支持向量机(SVM)是一种新的机器学习方法,已经广泛应用于模式识别和函数估计等问题中.针对现有的加权支持向量机(WSVM)和模糊支持向量机(FSVM)只考虑样本重要性而没有考虑属性重要性对分类结果的影响的缺陷,提出了基于样本属性重要度的支持向量机方法,该方法首先利用信息论中的信息增益技术计算各个样本特征属性对分类属性的重要度,然后对所有样本的同一特征属性的值分别用对应的属性重要度进行加权,最后所得数据集用于训练和测试SVM.数值实验的结果表明,该方法提高了分类器的分类精度.; 汪廷华田盛丰黄厚宽廖年冬; 关键词：属性重要度信息增益