高宏宾
- 作品数：17 被引量：88H指数：6
- 供职机构：五邑大学计算机学院更多>>
- 发文基金：广东省自然科学基金国家自然科学基金广东省高等学校党的建设研究会更多>>
- 相关领域：自动化与计算机技术政治法律文化科学更多>>
- 高校党建工作网格化的探索与实践
- 2014年
- 高校党建工作是党的事业的重要组成部分。本文从当前高校党建工作面临的形势入手,在对党建工作网格化进行分析研究的基础上提出了若干对策。
- 蒋立维王英高宏宾
- 关键词：高校党建网格化
- 基于用户点击流的标签兴趣模型的研究与实现被引量：2
- 2013年
- 分析用户的网络交互行为与用户兴趣之间的关系,针对目前的兴趣标签建模方法的不足,提出将用户的点击对象进行标签量化,通过用户的点击行为建立用户兴趣模型的方法,并在社交网络环境中对模型进行用户兴趣分析与测试。测试结果表明,该方法能有效地构建用户兴趣模型,证明了该方法的可行性。
- 高宏宾刘劲飞
- 关键词：标签点击流用户兴趣模型
- 一种简单有效的手写体数字特征提取算法
- 2011年
- 综合统计特征提取法与结构特征提取法的优点,设计了一种新的基于圈、左右轮廓特征与行分段特征来获取数字字符特征向量的方法。该办法用较少的特征向量就能够保留数字字符拓扑结构中的关键信息,适应性很强。仿真实验中,首先根据字符容易获取的结构特征(圈)对字符进行大体分类,然后利用基于级联结构的AD AdaBoost神经网络根据余下的特征值进行逐层淘汰识别。结果表明,该办法在识别速度与识别正确率方面都有所改进。
- 高宏宾赵智彬
- 关键词：特征提取ADADABOOST级联结构
- 基于权重与共现的标签聚类算法的研究
- 2014年
- 在社交网络中,标签对资源的描述在一定程度上存在着准确性不高和结构紊乱等现象。为了改善这些问题,提出了一种新的基于权重与共现的标签凝聚型层次聚类算法:首先在社交网络中收集网页标签的相关数据,然后计算标签与网页的权重,再计算标签共现的相似度,并以此为初始数据进行凝聚型层次聚类,最后把聚类结果与人工分类结果比较,计算出精确度、召回率以及加权调和平均数F1。通过实验结果体现了这种算法的可行性。
- 高宏宾杨翠
- 关键词：标签聚类社交网络共现
- 知识库中精确知识的判定算法
- 2003年
- 研究了知识库中挖掘它所包含的精确知识的方法,给出知识库的相关概念及精确知识的定义,讨论了一种在所定义的知识库中提取并判定精确知识的算法.
- 高宏宾
- 关键词：知识库数据挖掘
- 软部件和构架式CAI系统开发平台的总体设计被引量：1
- 1998年
- 给出一个以ＣＡＩ软件部件及构架为主体的ＣＡＩ软件开发平台总体设计方案。这个平台旨在采用软件工程的最新方法，尽量便利该软件的开发，并提高其开发效率。ＣＡＩ课件的开发成为简单的领域知识录入，不熟悉软件开发的教师和专家可以独立地在该平台上开发出自己的ＣＡＩ软件，并且可以很方便地修改补充已开发好的ＣＡＩ软件。
- 罗大卫高宏宾
- 关键词：软部件CAI系统软件开发平台构架式
- 基于核主成分分析的数据流降维研究被引量：17
- 2013年
- 分析了数据流降维算法PCA和KPCA的原理和实现方法。针对在大型数据集上PCA线性降维无法有效实现降维且KPCA的降维效率差,提出了一种新的降维策略GKPCA算法。该算法将数据集先分组,对每一组执行KPCA,然后过滤重新组合数据集,再次应用KPCA算法,达到简化样本空间,降低了时间复杂度和空间复杂度。实验分析表明,GKPCA算法不仅能取得良好的降维效果,而且时间消耗少。
- 高宏宾侯杰李瑞光
- 关键词：核主成分分析数据流降维
- 高校创建学习型党组织的探索与实践
- 2014年
- 党的十七届四中全会提出建设马克思主义学习型政党的重大战略任务。本文从当前高校党建工作面临的形势入手,深入分析了大学生群体的特征和复杂的外部环境给党建工作带来的严峻挑战,并对高校创建学习型党组织提出了若干对策。
- 蒋立维王英高宏宾
- 关键词：高校党建学习型党组织
- 基于AHP-模糊综合评价法构建大学生党员质量评价体系的实证研究被引量：7
- 2015年
- 党的十八大对发展党员工作提出了新的指导思想,要以增强党性、提高素质为重点,加强和改进党员队伍教育管理,提高发展党员质量。在新形势下,本文结合中央的要求,探索构建大学生党员质量的评价指标体系,运用AHP-模糊综合评价法构建大学生党员质量评价体系模型,并采用定量的方法对大学生党员进行科学有效的实证考评。
- 黄应忠高宏宾
- 关键词：大学生党员AHP-模糊综合评价法
- 一种实时挖掘数据流近似频繁项的算法被引量：2
- 2008年
- 数据流的无限性和流动性使得传统的频繁项挖掘算法难以适用。针对数据流的特点,提出了一种实时的挖掘数据流近似频繁项的算法。在允许的偏差范围内,新算法只需扫描一次数据项,使用的存储空间远远小于数据流的规模,能动态地挖掘数据流中的所有频繁项。将数据项存储到一种新的数据结构中,利用该数据结构可以快速地删除非频繁项。最后,理论分析和实验表明这种方法的有效性。
- 高宏宾张小彬杨海振
- 关键词：数据流数据挖掘频繁项
