古平
- 作品数：75 被引量：237H指数：9
- 供职机构：重庆大学更多>>
- 发文基金：重庆市自然科学基金中央高校基本科研业务费专项资金重庆市高等教育教学改革研究项目更多>>
- 相关领域：自动化与计算机技术文化科学经济管理理学更多>>
- 基于概念与词根双特征互助文本分类模型
- 2015年
- 传统半监督文本分类方法,大多数建立在词根特征的基础上,忽略了语义特征的重要性,导致分类精度不高。考虑到语义对分类的影响,本文提出融合概念与词根双特征的文本分类模型。该方法以Word Net为本体库,在Co-training框架下,构造基于概念和词根的双分类器进行协同训练的分类模型。实验分析了新模型分类准确率和召回率,结果显示新模型相对于旧模型在这2方面都有提升,表明基于概念与词根双特征互助的新算法具有更高的有效性。
- 古平吴庭君文静云
- 关键词：语义
- “企业典型网络与应用”教学案例建设
- 2019年
- 基于我院计算机网络技术实验室,我们从模块化和层次化两个角度制定了一整套计算机网络实践课程的教学案例"企业典型网络与应用",其中包括3个层次模块和10个实践项目内容。教师和学生可以根据自己的兴趣和基础从不同模块中选择对应的实践项目内容进行实践,为实践教学和学生素质培养提供平台支撑。
- 孙天昊古平杨瑞龙
- 关键词：计算机网络教学案例
- 面向研究生培养质量的风险管理探索与研究
- 基于“预防”理念,将工程项目中的风险管理理论应用于研究生培养过程中的风险分析与防控,建立起符合研究生质量标准的风险管理体系,并通过实例分析论述了该体系的内容构成.
- 古平朱庆生杨瑞龙张程陈自郁
- 关键词：研究生教育风险管理
- 文献传递
- 竞赛项目驱动的软件工程课程教学改革探索被引量：8
- 2018年
- 总结现阶段软件工程课程教学过程中存在的问题,提出竞赛驱动的项目式软件工程课程教学方法,具体说明该方法的实施步骤和主要问题,最后结合教学实际,说明该方法的运用效果。
- 张程古平刘慧君
- 关键词：软件工程研讨式教学
- 基于混合采样的非平衡数据集分类研究被引量：14
- 2015年
- 针对传统的过采样算法在增加样本的同时可能使决策域变小和噪声点增加的问题进行了研究,提出了一种基于错分的混合采样算法。该算法是以SVM为元分类器,Ada Boost算法进行迭代,对每次错分的样本点根据其空间近邻关系,采取一种改进的混合采样策略:对噪声样本直接删除;对危险样本约除其近邻中的正类样本;对安全样本则采用SMOTE算法合成新样本并加入到新的训练集中重新训练学习。在实际数据集上进行实验,并与SMOTE-SVM和Ada Boost-SVM-OBMS算法进行比较,实验结果表明该算法能够有效地提高负类的分类准确率。
- 古平欧阳源遊
- 关键词：混合采样非平衡数据集ADA支持向量机算法
- 一种B2B电子商务协作模型被引量：3
- 2002年
- B2B是电子商务的一种重要应用形式,它提供了企业之间通过Internet开展商务活动的手段。但是企业信息系统的异构性使不同系统之间难以实现商务数据的互操作。文章提出一种B2B电子商务的协作模型,通过定义商务信息本体库和分层次地描述商务协作的流程,解决了异构商务系统间协作的问题。
- 李双庆古平程代杰
- 关键词：B2B电子商务本体商务流程INTERNET
- 一种基于优化LSTM网络的24点电力负荷值7日预测方法
- 本发明提供了一种基于优化LSTM网络的24点电力负荷值7日预测方法，包含数据采集、数据分析及数据预处理；划分数据集为训练集和验证集；基于训练集，利用粒子群优化算法PSO对长短期记忆神经网络LSTM进行参数优化，确定适用在...
- 张程黄嘉豪曹宇佳陈自郁古平毛昕儒徐郁杨理
- 文献传递
- 一种基于改进型NoSQL技术的物联网存储模型
- 本发明提供了一种基于改进型NoSQL技术的物联网存储模型，包括：若干基础存储单元Record，每一基础存储单元Record均用于存储一记录；每一基础存储单元Record均包括：标志单元rID、静态单元sID、概念模型单元...
- 张程周恬恬唐洪奎周明强刘慧君古平杨璨宇陈柯芯周宁
- 文献传递
- “互联网+”背景下互动协作教学模式与环境研究被引量：7
- 2018年
- 基于微信公众平台构建课堂应答与推送系统,以此为核心构建"三阶段+互动微循环+创新共享"的互动协作教学模式和教学环境;借鉴微学习概念,对传统学习内容进行重构,师生协作构建并共享新资源,适合课堂互动、满足移动微学习;阐述该互动协作教学模式的设计过程和教学资源的有效利用与构建,说明该教学模式在应用中需要注意的问题。
- 杨瑞龙朱庆生李佳古平孙天昊
- 关键词：课堂应答系统互动协作教学模式教学环境
- 结合邻居辅助策略的两阶段层次文本分类模型
- 2017年
- 传统两阶段层次文本分类模型(THTC模型)是一种解决大规模层次文本分类问题的有效方法,但该模型的分类准确率仍然不是很高。为了缓解这个问题,提出了结合邻居辅助策略的两阶段层次文本分类模型(THTC-NA模型)。THTC-NA模型由搜索阶段和分类阶段组成。搜索阶段采用扁平策略从所有的叶子类别中选择与待分类文档最相关的k个类别作为候选类别集,这样可以大大减小分类阶段的搜索空间。分类阶段通过结合候选类别的祖先类别和兄弟类别的分类结果来帮助计算候选类别在分类阶段的结果。最后将搜索阶段的结果和分类阶段的结果融合起来共同决定待分类文档的目标类别。在数据集Newsgroups-18828上的实验表明,相对于THTC模型,THTCNA模型对提高层次文本分类准确率有很大的帮助。
- 古平王春元
