施培蓓
- 作品数：11 被引量：68H指数：5
- 供职机构：合肥师范学院公共计算机教学部更多>>
- 发文基金：安徽省高校省级自然科学研究项目安徽高等学校省级自然科学研究项目国家科技支撑计划更多>>
- 相关领域：自动化与计算机技术更多>>
- 优化初始中心的模糊C-均值(FCM)算法被引量：14
- 2009年
- 文章针对模糊C-均值(FCM)算法对初始中心敏感的缺点,通过计算样本的权重,提出基于权重的初始中心选取算法,选取有代表性的样本作为初始聚类中心,给出优化初始聚类中心的FCM算法。与传统算法比较,改进算法可以得到较稳定的结果,并且提高了聚类的准确率;实验证明了改进算法的有效性。
- 江克勤施培蓓
- 关键词：聚类模糊C均值聚类中心
- 基于翻转课堂的计算机基础教学改革研究被引量：9
- 2017年
- 针对传统计算机基础教学模式在课程设置、学生自主学习、考核评价等存在的问题,引入翻转课堂教学模式,精心设计课前、课中和课后3个教学阶段的任务和目标,并提出合理的课程评价体系。实践研究表明,翻转课堂教学模式对学生的自主学习能力与协作创新能力有较大的提升。
- 施培蓓胡玉娟曹风云
- 关键词：计算机基础教学模式
- 初始化独立的谱聚类算法被引量：9
- 2010年
- 谱聚类作为一种新颖的聚类算法近年来受到模式识别领域的广泛关注。针对传统谱聚类算法对初始中心敏感的特点,通过引入对初值不敏感的k-调和平均算法,提出一种初始化独立的谱聚类算法。在人工数据和真实数据上的实验表明,相比于传统的k-means算法、FCM算法和EM算法,改进算法在稳定性和聚类性能上有了显著的提高。
- 施培蓓郭玉堂胡玉娟俞骏
- 关键词：聚类谱聚类初始化
- 基于均衡化函数的k均值优化算法被引量：10
- 2008年
- 传统的k-means算法要求用户事先给定k值,限制了很多应用,初始中心点随机选择,容易导致局部极值点,常用的评价函数对于求解最优聚类数目也不理想。针对这些问题,该文提出一种新的评价函数——均衡化函数,采用基于密度的初始化中心点选择算法,自动生成聚类数目,实验结果表明了改进算法的有效性。
- 钱雪忠施培蓓张明阳汪中
- 关键词：K-均值算法
- 基于快速增量学习的行人检测方法被引量：6
- 2015年
- 行人检测器如何自适应场景的变化是智能交通的一个难点问题.当离线训练的分类器直接用于特定场景检测行人时,其分类性能将大大降低.针对该问题,提出一种基于快速增量学习的行人检测方法.所提方法的特点是以微小代价通过少量在线样本调整离线级联分类器的参数,同时保留原有分类器的分类能力.首先定义基于级联分类器架构的目标混合损失函数,接着分别对混合损失函数的离线部分和在线部分进行计算,得到离线部分的近似结果,然后对混合损失函数进行优化求解,最终给出快速增量学习方法的算法流程.在行人检测公开数据集上测试,相比于现有的增量学习方法,实验结果表明所提方法可以有效解决行人检测器的场景自适应问题.
- 施培蓓刘贵全汪中
- 关键词：行人检测损失函数在线检测
- 多尺度的谱聚类算法被引量：4
- 2011年
- 提出了一种多尺度的谱聚类算法。与传统谱聚类算法不同,多尺度谱聚类算法用改进的k-means算法对未经规范的La-placian矩阵的特征向量进行聚类。与传统k-means算法不同,改进的k-means算法提出一种新颖的划分数据点到聚类中心的方法,通过比较聚类中心与原点的距离和引入尺度参数来计算数据点与聚类中心的距离。实验表明,改进算法在人工数据集上取得令人满意的结果,在真实数据集上聚类结果较优。
- 施培蓓郭玉堂胡玉娟俞骏
- 关键词：聚类谱聚类K-MEANS多尺度特征向量
- 一种基于类别不平衡数据的层次分类模型被引量：4
- 2015年
- 传统的机器学习方法在处理类别不平衡数据时分类性能较低,为此提出一种基于类别不平衡数据的层次分类模型.层次分类模型采用AdaBoost方法为基准分类器,以分类器误报率和特征建立数学模型,并证明层次分类模型的参数可以计算得到.首先以层次分类树为结构建立模型,接着针对层次分类树的结构模型进行分类代价计算,得到模型的代价与每层特征之间的定量数学描述,然后将该分类代价转换为优化问题并给出优化问题的求解过程,同时给出层次分类模型的计算结果.在UCI数据集上进行大量测试,以AUC和F-Measure为评价标准,相比于现有的不平衡分类方法,层次分类模型具有更优的分类性能.
- 施培蓓刘贵全汪中卫兵
- 高等学校计算机基础课程的教学研究与实践被引量：4
- 2013年
- 针对高等学校计算机基础课程教学存在的问题与挑战,结合合肥师范学院应用型本科教学的主体思想,给出应用型本科计算机基础课程改革的几点措施,以提高计算机基础课程的教学质量和教学效果。
- 施培蓓胡玉娟
- 关键词：计算机基础分级教学案例教学网络教学
- 基于改进AdaBoost算法的行人检测方法被引量：3
- 2009年
- 基于传统AdaBoost算法的识别率和误报率同时低的原因。提出一种改进AdaBoost算法的行人检测方法,采用类Haar特征作为行人特征,引入误报率来更新样本权重,使得识别率降低得更慢,实现一个级联的行人检测分类器。相比于传统AdaBoost算法,改进算法不仅取得较优的识别率,并且可以降低分类器训练的层数。实验证明了改进算法的有效性。
- 何海燕施培蓓
- 关键词：行人检测ADABOOST类HAAR特征误报率
- 基于均衡化函数的快速K-means算法被引量：2
- 2008年
- 聚类分析的应用很广泛,传统的K-means算法要求事先给定k值,限制了很多实际的应用,由于聚类的质量主要考察类内的紧凑性和类间的距离,提出了均衡化的评价函数,使用最近邻搜索算法减少算法的计算量,不仅自动生成聚类的数目,同时均衡了类内差异和类间差异对于聚类结果的影响,实验结果证明改进的K-means算法的有效性。
- 施培蓓钱雪忠汪中
- 关键词：K-均值算法
