曾志强
- 作品数：47 被引量：123H指数：6
- 供职机构：厦门理工学院更多>>
- 发文基金：国家自然科学基金福建省农科院青年科技人才创新基金国家重点基础研究发展计划更多>>
- 相关领域：自动化与计算机技术电气工程文化科学医药卫生更多>>
- 注射器的毛发缺陷检测方法及装置
- 本申请提供了一种注射器毛发缺陷检测方法及装置。该方法包括：采用样条曲线工具对训练集的注射器样本图像模拟毛发缺陷生成伪毛发训练集；采用多方向特征聚合模块用于对编码器输出的特征图迭代执行移位操作、增强和聚合后输入解码器，构建...
- 王晓栋樊江涛严菲卢俊文曾志强梁火炎
- 基于邻域关系的决策表约简被引量：7
- 2012年
- 针对经典粗糙集理论难以处理连续型数据的特点,提出基于邻域关系的决策表约简方法。该方法在连续型数据的决策表中引入邻域关系,通过邻域关系进行信息粒化,避免离散化过程带来的信息损失。通过定义邻域正域和邻域约简概念,分析邻域正域的单调性原理,提出基于邻域关系的属性重要度概念,进一步设计了两种启发式约简算法。理论分析与实例表明该方法是有效可行的。
- 吴克寿陈玉明曾志强
- 关键词：粗糙集邻域关系决策表启发式算法
- 基于并行处理的序贯最小优化算法
- 2009年
- 以对称多处理机为硬件基础,采用并行计算的方式对序贯最小优化算法进行改进.实验表明,改进后的算法能够在不影响结果分类器分类精度的前提下,极大地提高支持向量机的训练速度,并且,样本数量越大、维度越高,采用并行算法的训练效率的提高就越显著.
- 于红彬曾志强
- 关键词：支持向量机并行计算
- 基于支持向量机简化算法的网络入侵检测系统
- 本发明一种基于支持向量机简化算法的网络入侵检测系统，该系统由顺次连接的网络数据捕获及提取模块、网络数据预处理模块、检测模块以及输出与响应模块组成，所述检测模块为精简SVM分类器，所述精简SVM分类器的判定函数为：<Ima...
- 吴群曾志强吴剑锋柴春雷
- 文献传递
- 新型初级分裂式混合励磁直线电机研究
- 初级永磁型直线电机(Primary PM-Excited Linear Motor,PPMELM)是近年来的研究热点,不仅具有传统永磁直线同步电机(Permanent Magnet Linear Synchronous ...
- 曾志强
- 关键词：混合励磁直线电机优化设计
- 文献传递
- 结合多源特征学习和组稀疏约束的无监督物体识别方法
- 本发明公开一种结合多源特征学习和组稀疏约束的无监督物体识别方法，包括如下步骤：步骤1，从包含c个类别的待处理图像集中获取V种视图，并将其组成数据集X＝[x<Sub>1</Sub>，x<Sub>2</Sub>，…，x<Su...
- 曾志强王晓栋严菲陈玉明
- 文献传递
- 一种基于核学习的非均衡数据分类算法被引量：2
- 2012年
- 提出一种基于核学习的采样算法来处理支持向量机(support vector machine,SVM)在非平衡数据集上的分类问题,其核心思想是首先在核空间中对少数类样本进行上采样,然后通过输入空间和核空间的距离关系寻找所合成样本在输入空间的原像,最后再采用SVM对其进行训练,从而有效克服在不同空间处理训练样本所带来的数据不一致问题.另一方面,该算法在增加少数类样本数量,减小数据失衡程度的同时有效拓展了少数类样本所形成的凸壳,从而能够更为有效纠正最优分类超平面偏移问题,使获得的结果分类器具有更好的泛化性能,实验结果证明了该算法的高效性.
- 钟瑛朱顺痣曾志强洪文兴
- 关键词：非平衡数据集凸壳
- 改进工作集选择策略的序贯最小优化算法被引量：6
- 2009年
- 针对标准序贯最小优化(sequential minimal optimization,SMO)算法采用可行方向工作集选择策略所带来的缓存命中率低下问题,给出了SMO类型算法每次迭代所带来的目标函数下降量的二阶表达式,并据此提出了一种改进的工作集选择策略.新策略综合考虑算法收敛所需的迭代次数及缓存效率,从总体上减少了核函数计算次数,因此极大提高了训练效率,并且,它在理论上具有严格的收敛保障.实验结果表明,核函数越复杂,样本维度越高,缓存容量相对训练样本的规模越小,改进工作集选择策略的SMO算法相较于标准SMO算法的性能提高就越显著.
- 曾志强吴群廖备水朱顺痣
- 关键词：序贯最小优化工作集缓存收敛性
- 一种基于边缘提取与傅里叶变换的零件快速定位方法
- 本发明涉及一种基于边缘提取与傅里叶变换的零件快速定位方法，运用Sobel算子进行边缘提取，减少图像处理的计算量，采用傅里叶变换得出零件全图和模板图的互功率谱，根据模板图像中零件的大小，构建模板窗，求取模板窗的极大值，得到...
- 陈玉明曾志强田翠华陈丹波
- 文献传递
- 支持向量分类机的训练与简化算法研究
- 支持向量机是基于统计学习理论的新一代机器学习技术。和传统的基于数据的学习方法采用经验风险最小化原则不同的是，它是建立在结构风险最小化原则的基础上，因此能够较好地处理小样本情况下的学习问题。并且，它较好地解决了以往困扰很多...
- 曾志强
- 关键词：统计学习理论支持向量机核函数泛化性能核聚类
