曹文梁
- 作品数：53 被引量：138H指数：6
- 供职机构：东莞职业技术学院更多>>
- 发文基金：国家自然科学基金江西省教育厅科学技术研究项目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电子电信经济管理更多>>
- 基于全球价值链的产业升级研究——以东莞市电子信息产业为例被引量：3
- 2012年
- 在全球价值链及其产业升级机制的基础上,对东莞市电子信息产业的现状及其嵌入全球价值链位置进行分析,在此基础上针对东莞电子信息产业升级的压力进行研究,并从企业、产业及政府层面上提出基于全球价值链的产业升级对策。
- 曹文梁胡选子
- 关键词：工业经济全球价值链电子信息产业
- 基于奇异值分解和整数小波变换的优化图像数字水印被引量：4
- 2013年
- 随着当前图像信息的广泛传播,保护图像产权,打击盗版是亟待解决的问题,水印算法是有效的解决版权保护问题的有效手段,基于此,提出了一种新的基于奇异值分解和整数小波变换的优化图像数字水印算法;该算法在载体图像分块后,首先进行基于块的整数小波变换,然后在整数小波变换之后,在低频部分进行奇异值分解,最后采用第一个奇异值来有效的提取能量,以此提高数字水印的鲁棒性;同时采用启发式的遗传算法通过优化算法和目标函数来优化和权衡图像水印的鲁棒性和不可感知性;实验结果表明,该水印系统具有很好的不可感知性和鲁棒性。
- 曹文梁
- 关键词：图像水印整数小波变换奇异值分解遗传算法
- 基于工作过程系统化的物联网课程教学改革被引量：6
- 2015年
- 在调研物联网企业对相关技术岗位所需的职业技能基础上,结合本校现行物联网专业人才培养方案及课程教学模式,构建一个以工作任务和工作过程为单元,具有任务驱动、工学结合、理论实践一体化等特征的物联网课程教学新模式,使物联网专业毕业生所掌握的专业技能与物联网企业技术岗位需求实现良好对接。
- 吴春祥曹文梁
- 关键词：工作过程系统化物联网
- 基于CDIO理念的物联网应用技术人才培养模式被引量：4
- 2015年
- CDIO工程教育模式是当前高等工程教育的一种新型人才培养模式。从培养目标、课程体系、校企合作、师资培养等几个方面探索基于CDIO理念的物联网应用技术人才培养,为培养企业真正需要的物联网应用技术人才提供借鉴。
- 柯钢曹文梁
- 关键词：CDIO物联网应用技术
- 混合遗传蚁群算法的改进及在TSP问题中的应用研究被引量：3
- 2010年
- 蚁群算法(ACA)与遗传算法(GA)都属于仿生型优化算法,是解决组合优化问题的强有力工具,并都分别成功应用于旅行商问题(TSP)中。本文将两种算法进行融合,并给出了新的融合方式。实验结果表明,新的遗传蚁群混合算法有效地改进了算法的全局收敛性,并加快了收敛速度。
- 康岚兰曹文梁
- 关键词：蚁群算法遗传算法混合算法旅行商问题
- 数据流频繁模式挖掘技术研究被引量：1
- 2010年
- 数据流挖掘是目前新一代数据挖掘研究中的热点,而数据流频繁模式是影响数据流挖掘算法效率的决定性因素。虽然目前有许多工作针对数据流频繁模式挖掘算法进行了研究,但是仍然存在许多不足。本文详细讨论了数据流频繁模式挖掘的四种主流算法,最后提出了未来的研究方向。
- 曹文梁董崇杰
- 关键词：数据挖掘数据流TOP-K
- 数据挖掘在CRM中的应用
- 2006年
- 主要介绍了数据挖掘技术在CRM中的应用,具体讨论了数据挖掘技术在客户生命周期阶段的应用和在CRM上创建数据挖掘技术的过程,最后介绍了一些数据挖掘算法在CRM上的应用。
- 曹文梁刘赣华
- 关键词：数据挖掘CRM
- 网格空间数据库副本优化算法研究
- 2010年
- 本文对网格空间数据库的几个副本优化算法进行了研究;其描述为网格空间数据库的建设奠定良好的基础,并为网格技术在空间数据库的应用提供了可靠的依据。
- 刘江峰曹文梁
- 关键词：网格空间数据库
- 数据挖掘方法与可视化
- 2007年
- 迄今为止,数据挖掘与知识发现软件的功能不再停留在"挖掘"这个单一功能的实现,而已延伸到数据挖掘与知识发现的过程,即包括数据的预处理、数据挖掘、模型评估与可视化;在单纯的模型可视化基础上扩充了数据可视化与数据挖掘过程可视化;本文着重讨论了数据挖掘的方法与可视化技术,最后提出了未来的研究方向。
- 陈亮卢欣荣曹文梁
- 关键词：数据挖掘知识发现可视化
- 基于大数据的并行化深度卷积神经网络优化算法被引量：4
- 2021年
- 针对并行DCNN算法在大数据环境下网络冗余参数过多、收敛速度慢和并行效率低的问题,提出了一种并行化深度卷积神经网络优化算法——PDCNNO(parallel deep convolutional neural networks optimization algorithm)。首先,该算法设计了基于特征图的剪枝策略(PFM),预训练网络,获得压缩后的网络,有效减少了冗余参数,降低了DCNN训练时间和空间复杂度;其次,设计了修正正割线的共轭梯度法(CGMSE),获取局部分类结果,实现了共轭梯度法的快速收敛,提高了网络的收敛速度;最后,在reduce阶段提出了控制负载率的负载均衡策略(LBRLA),获取全局分类结果,实现了数据的快速均匀分组,从而提高了并行系统的加速比。实验表明,该算法不仅降低了DCNN在大数据环境下训练的时间和空间复杂度,而且提高了并行系统的并行化性能。
- 毛伊敏张瑞朋曹文梁
- 关键词：MAPREDUCE框架
