期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
3
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
人工智能驱动教育技术发展的中德视角——2019年中德双边研讨会综述
被引量：
8
1
作者
刘三女牙
柴唤友
+3 位作者
刘盛英杰
黄山云
胡天慧
刘智
《电化教育研究》
CSSCI
北大核心
2019年第8期105-113,共9页
由中德科学中心资助、华中师范大学教育大数据应用技术国家工程实验室承办的GZ1531国际学术研讨会于3月25日至29日在中国武汉华中师范大学召开。研讨会的主题是“人工智能驱动教育技术发展的中德视角”,契合了近年来教育领域和计算机领...
由中德科学中心资助、华中师范大学教育大数据应用技术国家工程实验室承办的GZ1531国际学术研讨会于3月25日至29日在中国武汉华中师范大学召开。研讨会的主题是“人工智能驱动教育技术发展的中德视角”,契合了近年来教育领域和计算机领域的专家学者在“人工智能+教育”中的深度融合和创新发展方面所做的努力。与会嘉宾围绕“人工智能+教育”的深度认知(教育场景下人工智能的优劣势和可融入层次、机遇和挑战、理解视域)和应用案例(自适应学习系统的开发设计、基于新技术的“人工智能+教育”应用、“人工智能+教育”的数据采集与分析)作了精彩报告,并就中德双方未来的研究项目和学术合作(中德“人工智能+教育”白皮书的制定、自适应学习中的学习推荐和干预方法、基于多模态数据的学习分析与智能学习同伴研发)展开了深入研讨。对上述主题研究成果及进展的集中呈现和探讨,将有助于推动“人工智能+教育”的未来研究和应用实践。
展开更多
关键词
中德科学中心
人工智能+教育
学习分析
智能教育
交互式人工智能
在线阅读
下载PDF
职称材料
基于余弦距离的局部敏感哈希的KNN算法在中文文本上的快速分类
被引量：
4
2
作者
戴上平
冯鹏
+1 位作者
刘盛英杰
舒红
《计算机工程与科学》
CSCD
北大核心
2015年第10期1971-1976,共6页
文本分类是文本挖掘中最重要的研究内容之一。为了克服目前以距离衡量的近似分类算法在海量数据下耗费大量时间的缺陷,提出了结合基于余弦距离的局部敏感哈希的方式将KNN算法在TF-IDF下对中文文本进行快速分类。同时结合文本数据的特性...
文本分类是文本挖掘中最重要的研究内容之一。为了克服目前以距离衡量的近似分类算法在海量数据下耗费大量时间的缺陷,提出了结合基于余弦距离的局部敏感哈希的方式将KNN算法在TF-IDF下对中文文本进行快速分类。同时结合文本数据的特性给出了不同的哈希函数级联方式分别进行实验。在实验过程采用了布尔向量的方式规避重复访问,使分类的结果在可以允许的范围内,分类速度比原始KNN提高了许多。
展开更多
关键词
文本分类
局部敏感哈希
TF—IDF
KNN
布尔向量
在线阅读
下载PDF
职称材料
基于改进图割的遥感图像水体自提取算法
被引量：
6
3
作者
杜钰娇
徐嘉
刘盛英杰
《计算机工程与设计》
北大核心
2019年第5期1413-1417,1423,共6页
为实现遥感图像水体的自提区,结合图片灰度值的分布,做出水体灰度值与非水体灰度值均服从高斯分布的假设,融合高斯混合模型,提出一种基于图割的图像分割算法,解决了传统图割算法需要人工标注的问题,能准确地在遥感图片中提取水体区域。...
为实现遥感图像水体的自提区,结合图片灰度值的分布,做出水体灰度值与非水体灰度值均服从高斯分布的假设,融合高斯混合模型,提出一种基于图割的图像分割算法,解决了传统图割算法需要人工标注的问题,能准确地在遥感图片中提取水体区域。对通过高斯滤波处理后的真实遥感图像进行实验,采用EM算法计算高斯混合模型的相关参数,利用高斯混合模型计算图割中t-link的权重,采用增广路径法解决最大流最小割问题对图像进行分割。对比阈值分离相关算法,融合高斯混合模型的图割算法具有较高的准确率,省去传统图割算法中人工标记这一环节。
展开更多
关键词
图割
高斯混合模型
EM算法
阈值分割
图像分割
在线阅读
下载PDF
职称材料
题名
人工智能驱动教育技术发展的中德视角——2019年中德双边研讨会综述
被引量：
8
1
作者
刘三女牙
柴唤友
刘盛英杰
黄山云
胡天慧
刘智
机构
华中师范大学国家数字化学习工程技术研究中心
华中师范大学教育大数据应用技术国家工程实验室
出处
《电化教育研究》
CSSCI
北大核心
2019年第8期105-113,共9页
基金
国家自然科学基金项目“自然科学基金教育科学资助体系研究——以信息科学部和管理科学部为例”(项目编号:L1724007)
文摘
由中德科学中心资助、华中师范大学教育大数据应用技术国家工程实验室承办的GZ1531国际学术研讨会于3月25日至29日在中国武汉华中师范大学召开。研讨会的主题是“人工智能驱动教育技术发展的中德视角”,契合了近年来教育领域和计算机领域的专家学者在“人工智能+教育”中的深度融合和创新发展方面所做的努力。与会嘉宾围绕“人工智能+教育”的深度认知(教育场景下人工智能的优劣势和可融入层次、机遇和挑战、理解视域)和应用案例(自适应学习系统的开发设计、基于新技术的“人工智能+教育”应用、“人工智能+教育”的数据采集与分析)作了精彩报告,并就中德双方未来的研究项目和学术合作(中德“人工智能+教育”白皮书的制定、自适应学习中的学习推荐和干预方法、基于多模态数据的学习分析与智能学习同伴研发)展开了深入研讨。对上述主题研究成果及进展的集中呈现和探讨,将有助于推动“人工智能+教育”的未来研究和应用实践。
关键词
中德科学中心
人工智能+教育
学习分析
智能教育
交互式人工智能
Keywords
Sino-German Science Center
AI + Education
Learning Analytics
Intelligent Education
Interactive AI
分类号
G434 [文化科学—教育技术学]
在线阅读
下载PDF
职称材料
题名
基于余弦距离的局部敏感哈希的KNN算法在中文文本上的快速分类
被引量：
4
2
作者
戴上平
冯鹏
刘盛英杰
舒红
机构
华中师范大学计算机学院
测绘遥感信息工程国家重点实验室
出处
《计算机工程与科学》
CSCD
北大核心
2015年第10期1971-1976,共6页
基金
武汉市政府资助项目(基于网格的社区宜居环境分析研究)
文摘
文本分类是文本挖掘中最重要的研究内容之一。为了克服目前以距离衡量的近似分类算法在海量数据下耗费大量时间的缺陷,提出了结合基于余弦距离的局部敏感哈希的方式将KNN算法在TF-IDF下对中文文本进行快速分类。同时结合文本数据的特性给出了不同的哈希函数级联方式分别进行实验。在实验过程采用了布尔向量的方式规避重复访问,使分类的结果在可以允许的范围内,分类速度比原始KNN提高了许多。
关键词
文本分类
局部敏感哈希
TF—IDF
KNN
布尔向量
Keywords
text classification
Locality Sensitive Hashing （LSH）
TF-- IDF
KNN
boolean vector
分类号
TP181 [自动化与计算机技术—控制理论与控制工程]
在线阅读
下载PDF
职称材料
题名
基于改进图割的遥感图像水体自提取算法
被引量：
6
3
作者
杜钰娇
徐嘉
刘盛英杰
机构
广西师范大学计算机科学与信息工程学院
武汉晴川学院计算机学院
华中师范大学国家数字化学习工程技术研究中心
出处
《计算机工程与设计》
北大核心
2019年第5期1413-1417,1423,共6页
文摘
为实现遥感图像水体的自提区,结合图片灰度值的分布,做出水体灰度值与非水体灰度值均服从高斯分布的假设,融合高斯混合模型,提出一种基于图割的图像分割算法,解决了传统图割算法需要人工标注的问题,能准确地在遥感图片中提取水体区域。对通过高斯滤波处理后的真实遥感图像进行实验,采用EM算法计算高斯混合模型的相关参数,利用高斯混合模型计算图割中t-link的权重,采用增广路径法解决最大流最小割问题对图像进行分割。对比阈值分离相关算法,融合高斯混合模型的图割算法具有较高的准确率,省去传统图割算法中人工标记这一环节。
关键词
图割
高斯混合模型
EM算法
阈值分割
图像分割
Keywords
Graph Cuts
Gauss mixed model
EM algorithm
threshold segmentation
image segmentation
分类号
TP37 [自动化与计算机技术—计算机系统结构]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
人工智能驱动教育技术发展的中德视角——2019年中德双边研讨会综述
刘三女牙
柴唤友
刘盛英杰
黄山云
胡天慧
刘智
《电化教育研究》
CSSCI
北大核心
2019
8
在线阅读
下载PDF
职称材料
2
基于余弦距离的局部敏感哈希的KNN算法在中文文本上的快速分类
戴上平
冯鹏
刘盛英杰
舒红
《计算机工程与科学》
CSCD
北大核心
2015
4
在线阅读
下载PDF
职称材料
3
基于改进图割的遥感图像水体自提取算法
杜钰娇
徐嘉
刘盛英杰
《计算机工程与设计》
北大核心
2019
6
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
