吕佳
- 作品数：119 被引量：425H指数：10
- 供职机构：重庆师范大学计算机与信息科学学院更多>>
- 发文基金：国家自然科学基金重庆市教育委员会科学技术研究项目重庆市教委科研基金更多>>
- 相关领域：自动化与计算机技术文化科学理学农业科学更多>>
- 高校“数据挖掘”课程的双语教学模式探讨
- 2015年
- 我国高等院校数据挖掘课程的传统教学模式仅仅采用母语教学,随着时代的发展,这种传统的教学模式已经远远不能满足要求。而双语教学正是一种在突破原有单一教学模式局限的同时,更能顺应时代发展潮流的一种新的教学模式进行。本文就双语教学的发展历程以及国内外双语教学的现状展开调查分析,总结出我国双语教学存在的一些问题,并提出了一系列今后的改善措施。力争使数据挖掘双语教学在我国高等院校中得到长远发展,最终能够对全社会产生积极影响并促进我国综合国力的极大提高。
- 吕佳吴恩英
- 关键词：数据挖掘双语教学教学模式
- 基于改进YOLOv7-tiny的套袋枇杷检测方法
- 本发明公开了一种基于改进YOLOv7‑tiny的套袋枇杷检测方法，包括：获取套袋枇杷图片，形成数据集；对数据集中的图片进行数据增强处理，得到增强后的数据集；从增强后的数据集中选取部分图片进行标记，得到部分标记后的数据集；...
- 吕佳董保森
- 结合半监督聚类和加权KNN的协同训练方法被引量：8
- 2019年
- 针对协同训练方法在迭代时选择加入的无标记样本所隐含的有用信息不够,以及协同训练方法多个分类器标记不一致带来错误标记无标记样本的问题,提出了一种结合半监督聚类和加权K最近邻的协同训练方法。该方法在每次迭代过程中,先对训练集进行半监督聚类,选择隶属度高的无标记样本给朴素贝叶斯分类,再用加权K最近邻算法对多个分类器分类不一致的无标记样本重新分类。利用半监督聚类能够选择出较好表现数据空间结构的样本,而采用加权K最近邻算法为标记不一致的无标记样本重新标记能够解决标记不一致带来的分类精度降低问题。在UCI数据集上的对比实验验证了该算法的有效性。
- 龚彦鹭吕佳
- 关键词：半监督聚类视图
- 以延迟和延误为第1目标的约束多目标排序问题
- 2007年
- 多目标排序是研究多个优化目标的排序问题,它在解决经济、管理、工程、军事和社会等领域出现的复杂问题中起着越来越重要的作用。1956年Smith研究在没有工件误工的、所谓"完美的"(perfect)排序中寻找使平均完工时间为最小的排序问题,开创了研究多目标排序的先河。然而,在实际问题中往往是允许工件误工的,也就是说,工件可以在交货期之后完工,即允许工件有延迟或者延误,只是针对不同的问题对工件的延迟或者延误有不同的要求。研究以延迟和延误为第1目标的四个约束多目标排序问题,在最大延迟L_(max)、总延迟∑L_j、最大延误T_(max)或者总延误∑T_j不超过给定的量的约束条件下,寻找使平均完工时间为最小的排序,分别提出相应的算法。
- 梁天娟吕佳唐国春
- 关键词：排序
- 数字教育背景下数据挖掘课程思政教学路径探索
- 2023年
- 针对数字教育背景下的数据挖掘课程思政建设,以立德树人为根本目标,基于成果导向教育的理念进行课程教学设计,从理论教学、实践教学和远程教学这三个环节融合课程思政,结合数字化转型实际问题,对大学生进行知识传授、技能培养的同时多方位地进行价值观塑造,以全面提升学生的综合素质,实现专业知识学习和思想政治教育的有机统一。
- 吕佳王泽宇
- 关键词：数据挖掘人工智能
- 基于免疫原理的优化方法及其应用被引量：2
- 2006年
- 受生物免疫系统相关原理的启发,提出一种基于免疫原理的优化方法,用于求解多峰值函数的多个优化解。该方法主要利用克隆选择和阴性选择原理来学习抗原的特性,实现对抗体的促进和抑制。通过对几个常用测试函数的仿真实验,并与其它免疫优化方法进行比较,结果表明该方法具有较强的搜索能力,能快速地搜索到多个峰值,且实现简单。
- 吕佳
- 关键词：克隆选择阴性选择多峰值函数
- 基于K-means聚类和特征空间增强的噪声标签深度学习算法被引量：2
- 2024年
- 深度学习中神经网络的性能依赖于高质量的样本,然而噪声标签会降低网络的分类准确率。为降低噪声标签对网络性能的影响,噪声标签学习算法被提出。该算法首先将训练样本集划分成干净样本集和噪声样本集,然后使用半监督学习算法对噪声样本集赋予伪标签。然而,错误的伪标签以及训练样本数量不足的问题仍然限制着噪声标签学习算法性能的提升。为解决上述问题,提出基于K-means聚类和特征空间增强的噪声标签深度学习算法。首先,该算法利用K-means聚类算法对干净样本集进行标签聚类,并根据噪声样本集与聚类中心的距离大小筛选出难以分类的噪声样本,以提高训练样本的质量;其次,使用mixup算法扩充干净样本集和噪声样本集,以增加训练样本的数量;最后,采用特征空间增强算法抑制mixup算法新生成的噪声样本,从而提高网络的分类准确率。并在CIFAR10、CIFAR100、MNIST和ANIMAL-10共4个数据集上试验验证了该算法的有效性。
- 吕佳邱小龙
- 关键词：半监督学习神经网络K-MEANS聚类
- 基于新型间谍技术的半监督自训练正例无标记学习被引量：2
- 2019年
- 正例无标记(PU)学习中的间谍技术极易受噪声和离群点干扰,导致划分的可靠正例不纯,且在初始正例中随机选择间谍样本的机制极易造成划分可靠负例时效率低下,针对这些问题提出一种结合新型间谍技术和半监督自训练的PU学习框架。首先,该框架对初始有标记样本进行聚类并选取离聚类中心较近的样本来取代间谍样本,这些样本能有效地映射出无标记样本的分布结构,从而更好地辅助选取可靠负例;然后对间谍技术划分后的可靠正例进行自训练提纯,采用二次训练的方式取回被误分为正例样本的可靠负例。该框架有效地解决了传统间谍技术在PU学习中分类效率易受数据分布干扰以及随机间谍样本影响的问题。通过9个标准数据集上的仿真实验结果表明,所提框架的平均分类准确率和F-值均高于基本PU学习算法(Basic_PU)、基于间谍技术的PU学习算法(SPY)、基于朴素贝叶斯的自训练PU学习算法(NBST)和基于迭代剪枝的PU学习算法(Pruning)。
- 李婷婷李婷婷吕佳
- 关键词：聚类
- 一种基于近邻密度和半监督KNN的集成自训练方法
- 本发明公开了一种基于近邻密度和半监督KNN的集成自训练方法，用近邻密度方法选取初始化的已标注样本，避免已标注样本周围k个近邻样本成为已标注候选集，使初始化的已标注样本间的距离尽量分散，以更好的反应样本原始空间结构，同时在...
- 吕佳黎隽男
- 文献传递
- 地方高校人工智能学科建设与人才培养模式研究——以重庆师范大学为例
- 2021年
- 人工智能的迅速发展已经深刻影响了人类的社会生活方式,并改变着世界,随着人工智能与社会深度融合,极大促进了各行各业的产业升级。为应对人工智能人才的需求,地方高校应充分发挥自身作用,加快人工智能的学科建设,培养出社会急需的人工智能创新应用型人才,从而带动地方经济快速发展。文章从课程体系、师资力量、实践平台、学科融合等方面进行深入研究,提出人工智能学科建设的几个思路,为同类地方高校人工智能人才培养模式建设提供参考。
- 吕佳彭港建
- 关键词：人工智能学科建设
