陈炳丰
- 作品数：140 被引量：72H指数：5
- 供职机构：广东工业大学更多>>
- 发文基金：广东省自然科学基金国家自然科学基金广东省科技计划工业攻关项目更多>>
- 相关领域：自动化与计算机技术文化科学理学更多>>
- 一种基于神经网络最小化熵的因果网络发现方法及系统
- 本发明提出一种基于神经网络最小化熵的因果网络发现方法及系统，克服了当前因果网络发现方法无法识别马尔可夫等价类、在有向无环图搜索时容易陷入局部最优的缺陷，解决了采用最小二乘损失作为损失函数的神经网络搜索方法适用性不广、准确...
- 陈伟霖蔡瑞初乔杰郝志峰陈炳丰温雯
- 文献传递
- 基于组反馈融合机制的视频超分辨率模型
- 2022年
- 现有的许多视频超分辨率(video super-resolution,VSR)工作都集中在如何有效地对齐相邻帧以更好地融合相邻帧信息,而很少在相邻帧信息融合这一重要步骤上进行研究。针对该问题,提出了基于组反馈融合机制的视频超分辩模型(GFFMVSR)。具体来说,在相邻帧对齐后,将对齐视频序列输入第一重时间注意力模块;然后,将序列分成几个小组,各小组依次通过组内融合模块实现初步融合,不同小组的融合结果经过第二重时间注意力模块;各小组逐组输入反馈融合模块,利用反馈机制反馈融合不同组别的信息;最后将融合结果输出重建。经验证,该模型具有较强的信息融合能力,在客观评价指标和主观视觉效果上都优于现有的模型。
- 张庆武迟小羽朱鉴陈炳丰蔡瑞初
- 一种基于多标签分类卷积神经网络的题目推荐方法
- 本发明涉及教育领域，更具体的，涉及一种基于多标签分类卷积神经网络的题目推荐方法，本发明突出训练集中的高相关标签间的相关性，将相关性高于一定阈值的标签对都视为高相关标签对，能够调整每个标签的不平衡率以及让模型更好的学习高相...
- 袁锦杰蔡瑞初郝志峰温雯王丽娟陈炳丰
- 基于基因大数据的小样本基因表达数据分类方法
- 本发明公开了基于基因大数据的小样本基因表达数据分类方法，其技术步骤为：确定训练样本基因表达数据和类标签，构建矩阵；根据L阶频数统计结果和2阶频数统计结果，计算L+1阶估分，去除估分小于阈值的非频繁集；计算到最大阶数L<S...
- 郝志峰许柏炎蔡瑞初温雯张小文林殷娴王日宇陈炳丰
- 文献传递
- 一种基于递归神经网络模型的文本风格转换系统及方法
- 本发明提供的一种基于递归神经网络模型的文本风格转换系统及方法，包括包括输入模块、原风格样本数据库、目标风格样本数据库、预处理模块、训练模块、模型数据库、输出模块和评价模块，能充分提取文本特征，结合半监督的方法，对平行语料...
- 郝志峰陈渝升蔡瑞初陈炳丰温雯王丽娟陈诚
- 基于FusionCompute的虚拟化技术在计算机实验室中的应用被引量：4
- 2022年
- 虚拟化技术将单台设备虚拟成多台逻辑设备,能够有效缓解设备资源利用率低等问题。该文针对计算机实验室的设备资源现状进行分析,在虚拟化技术的基础上,构建了FusionCompute虚拟化平台,并将其应用于计算机实验室。结果证明,该虚拟化技术能够提升设备资源的利用率,降低采购数量、投入经费、能源消耗等,在计算机实验室具有较好的实用价值。
- 陈炳丰谢光强朱鉴
- 关键词：虚拟化资源利用率
- 一种基于稀疏编码的多视角视频异常检测方法
- 本发明涉及计算机视觉技术领域，尤其是一种基于稀疏编码的多视角视频异常检测方法，包括以下步骤：对帧图像进行多视角特征提取；对不同视角的特征进行稀疏编码，得到各个视角下的特征的稀疏表示；依据稀疏表示信息获得一个帧图像下的一致...
- 唐钟洋郝志峰王丽娟蔡瑞初温雯陈炳丰李可爱
- 文献传递
- 一种基于图神经网络节点特征传播优化的文本分类方法
- 本发明提出一种基于图神经网络节点特征传播优化的文本分类方法，解决了现有文本分类方法不能兼顾分类准确度和分类效率的问题，包括:获取文本数据集，构成以文本节点、单词节点为基础的二元异构图，利用二元异构图形成对应的邻接矩阵A；...
- 杨易扬任成森巩志国蔡瑞初郝志峰陈炳丰
- 一种基于Storm的分布式流数据存储与查询方法
- 本发明提供一种基于Storm的分布式流数据存储与查询方法，本发明基于Storm数据流式计算框架，CEPHFS作为数据底层存储系统下，通过对分布式流式数据的特征分析，对数据进行实时的分区与索引构建，将分区好的数据块压缩存入...
- 蔡瑞初林峰极郝志峰王立黄泽林陈炳丰温雯王丽娟
- 文献传递
- 一种基于密度子图估计的快速聚类方法、计算机设备及存储介质
- 本发明涉及机器学习技术领域，为克服上述现有技术所述的不能确定簇的质心、计算成本大、在聚类过程中出现过分割的缺陷，提出一种基于密度子图估计的快速聚类方法、计算机设备及存储介质，其中，基于密度子图估计的快速聚类方法包括以下步...
- 杨易扬郑喜臣任成森巩志国蔡瑞初郝志峰陈炳丰
