张冀
- 作品数：43 被引量：14H指数：3
- 供职机构：河南科技大学更多>>
- 发文基金：国家自然科学基金博士科研启动基金河南省教育厅自然科学基金更多>>
- 相关领域：自动化与计算机技术电子电信文化科学天文地球更多>>
- 基于TV-Stokes方程的快速图像修复算法
- 2011年
- 提出一种快速的分裂Bregman TV-Stokes修复算法,对图像的缺损部分进行快速自动修复。该算法运用一个能量极小化模型和零散度条件得到一个非线性的TV-Stokes方程,获得图像的等照度线方向;再利用分裂Bregman方法使修复按此等照度线方向进行。实验结果表明:与基于TV-Stokes方程的图像修复算法相比,本文算法在修复速度、峰值信噪比和相对误差方面都更具优势。
- 许建楼张冀鞠银
- 关键词：图像修复
- 一种分区域特征点聚类的作物行中心线提取方法
- 一种分区域特征点聚类的作物行中心线提取方法，先对拍照图像进行预处理和特征提取，然后通过DBSCAN算法对作物特征点进行聚类，对多个特征点簇分别标记不同的颜色，得到特征点聚类图，将特征点聚类图沿高度方向划分为多个依次相接的...
- 冀保峰王航王伟光李奕玮张冀陶发展张高远王建华陈洪涛宋康李春国樊会涛
- 一种应用于移动边缘计算系统的节能低延时任务卸载方法
- 一种应用于移动边缘计算系统的节能低延时任务卸载方法，涉及移动边缘计算以及深度强化学习技术领域，包括以下步骤：S1，建立多无人机辅助的移动边缘计算系统模型，包括无人机、用户和窃听用户，每个无人机上配备微型移动边缘计算服务器...
- 冀保峰张龙妹刘一凡王赛兵樊会涛张高远陶发展张冀张平邹怡蓉李高鹏曾升
- 一种基于改进YOLOv5s的牡丹花品种的检测方法
- 一种基于改进YOLOv5s的牡丹花品种的检测方法，通过对YOLOv5s模型进行改进，引入了BiFormer以增强在遮挡情况和特征近似情况下的牡丹花分类检测能力。同时，将原始模型的上采样模块替换为内容感知特征重组上采样方法...
- 冀保峰洪小帅陶发展张冀王楠张高远樊会涛张平陈韵然陈洪涛陈嵩王建华曾升李浩宇赵敬铭
- 基于运输多智能体协同通信的大规模数据处理装备
- 基于运输多智能体协同通信的大规模数据处理装备，涉及幼苗运输用辅助设备技术领域，运输车主体的货箱上安装有供风架和降温箱，且供风架的排风端与降温箱的进气端相连接，所述运输车主体的货箱内安装有排放管，且排放管的进气端与降温箱的...
- 冀保峰樊会涛魏世忠曾升姚珊余洋陈洪涛刘江辉张高远张冀陶发展张平孙力帆王东署陈韵然张咪董冰毅张云超李童菲徐宁
- 一种载波频偏影响下的编码QAM信号部分相干检测方法
- 一种载波频偏影响下的编码QAM信号部分相干检测方法，一方面研究传统部分相干检测LLR提取算法和硬检测算法，由于引入复杂相位模型和CFO，出现难以计算的对零阶贝塞尔函数积分的问题，利用量化频率空间将积分转化为求和的方法解决...
- 张高远陈开冀保峰文红李兴旺李春国王东署唐杰宋欢欢张冀张平孙力帆陶发展李永恩王鹏飞何晓东谢萍张晓辉穆昱李奕玮
- 统计软件教学方法的探讨与改革被引量：1
- 2010年
- 统计软件作为统计学专业的一门专业基础课,由于对理论知识和实际操作能力要求较高,导致难以培养学生的兴趣和主动性。本文从培养学生学习兴趣和学习自主性入手对教学方法进行探讨。利用软件选取、灵活考核方式等方法对课程进行改革。
- 张冀鲍汉军
- 关键词：统计软件教学方法学习自主性
- Fountain码编译码算法结构的改进被引量：4
- 2008年
- 在LT码的基础上对Raptor码进行了分析。根据IRA码的结构及其线性时间的编译码特性,提出了Raptor码和IRA码相结合的改进Fountain码结构。研究结果表明,该结构既保持了线性的编译码特性又能有效增强信元的恢复能力。利用其它编码技术与Raptor码相结合是今后进一步的研究方向。
- 冀保峰高宏峰张冀
- 关键词：预编码数据传输可靠性
- OBE与元认知联合驱动下的数学相关专业“机器学习”课程教学研究
- 2024年
- 目前,关于OBE(成果导向教育)和元认知的教学研究越来越多。数学相关专业学生在“机器学习”课程中表现出明显的数学优势,但也存在许多其他问题。为了提升“机器学习”课程的教学质量和学生的学习效果,需要分析课程的教学现状,研究OBE教学理念和元认知理论在该课程教学中的联合应用价值,同时探索教学新方法,从教学理念、教学目标、知识点教学流程以及教学评价等方面出发,设计以OBE与元认知为驱动的“机器学习”课程教学,并以“线性回归”知识点的教学为例展示教学安排。
- 王海军李培峦张冀
- 关键词：元认知
- 基于词嵌入的词汇稀疏分布式编码方法
- 2025年
- 词嵌入被用作各种自然语言处理和信息检索任务的构建块。它们在大型语料库上进行训练,在各种自然语言任务中表现优异,但不适用于需要二值输入的层次时间记忆模型、伯努利朴素贝叶斯模型等机器学习模型,且用浮点数表示的词向量会占用大量内存空间。该研究基于非参数和非线性映射的编码结构,提出了一种新的二值化词向量的稀疏分布式编码方法,在尽可能降低语义精度损失的同时提高计算效率。在词语义相似度、词类比和词概念分类任务中使用多个中文和英文数据集进行实验。结果表明,该文所提编码方法在词语相似度任务上优于语义折叠方法,在词语概念分类任务中相较于原始词嵌入方法,精度损失仅为1%~4%。此外,在Top-K查询任务中,该方法的执行速度更快,所生成的词向量在内存占用方面仅为原始词向量的几分之一,内存消耗减少至1/5~1/3倍。
- 吴开武新乾陈祖刚张冀
- 关键词：非线性映射内存优化
