公共文化服务平台

共 7 条记录，以下是 1-6

全选清除导出

排序方式：

一个描述可视化语言上下文属性化的图文法框架(英文): 2008年; 针对目前已有的上下文相关图文法的描述规范过于复杂或不太直观,提出了一个新的上下文相关图文法的形式框架:上下文属性化的图文法CAGG.该文法将产生式的上下文信息刻画成相关结点的上下文属性来解决嵌入问题.而且进一步分析了合流的CAGG产生式集合的基本特征,并基于此设计了合流产生式集合的判定算法,从而为构造高效的语法分析算法奠定了基础.通过与已有上下文相关图文法的对比分析可知,CAGG图文法的形式更为简洁和直观,因而更适于且更易于应用到可视化语言描述领域.; 邹阳曾晓勤韩秀清张康; 关键词：可视化语言图文法语法分析合流

基于模糊关系的文本分类特征选择方法被引量：2: 2008年; 若要有效地实现文本分类，关键是对高维特征空间进行降维，降维方法分为特征选择和特征提取。本文对已有特征选择方法分析后发现，这些方法仅利用文档数来选择特征，没有考虑特征项的权重。为了找出本质特征，我们提出了一种基于特征项与类之间模糊关系的特征选择方法，引入特征项权重来确定其隶属度。采用KNN分类器，在Reuters-21578标准文本数据集上进行了训练和测试。实验表明，宏平均和微平均都达到了最高，分别为81．82％和94．88％，宏平均比IG，CHI提高了4．73％和1．12％，微平均比IG，CHI提高了1．56％和0．21％。; 甄志龙韩立新陆佃龙; 关键词：文本分类特征项权重

元搜索引擎排序技术综述被引量：29: 2009年; 如何排序是实现元搜索引擎的一项关键技术,排序算法的好坏直接决定着元搜索引擎的性能。对元搜索引擎常用的排序算法根据其发展先后顺序作了介绍,对一些经典的算法进行了分析和评价,归纳出元搜索引擎排序算法适用的不同环境,最后对元搜索引擎排序算法未来发展方向作了技术展望。; 曹林韩立新吴胜利; 关键词：元搜索引擎

基于路径引导知识启发的强化学习方法被引量：4: 2012年; 为了提高强化学习算法的运行效率和收敛速度,提出了一种基于路径引导知识启发的强化学习方法PHQL。采用PHQL方法,不需要提前植入先导知识,agent在每一轮学习过程中更新Q表的同时,各个状态的路径知识也自主地建立起来并逐步修正和优化。算法利用已经获得的路径知识来指导和加速agent以后的强化学习过程,以减少agent学习过程的盲目性。分析了PHQL算法的探索、利用和启发3种行为的执行概率以及行为选取方法,提出一种行为选择概率随时间渐变的算法。以一个路径搜索问题为实例,对PHQL方法进行了验证、分析并与几种相关的强化学习算法进行了性能对比。实验结果表明,作者提出的方法对学习过程具有明显的加速作用,收敛性能有了较大的提高。; 刘智斌曾晓勤; 关键词：Q学习路径规划

基于离散随机技术的Madaline敏感性近似计算研究被引量：2: 2011年; 本文系统地讨论了离散型前向神经网络Madaline的输出对网络参数扰动的敏感性计算.首先,根据神经元Adaline的离散特性,提出了一种离散随机技术方法,推导了Adaline敏感性近似计算公式.该方法从理论上解决了已有的连续随机技术方法无法处理的情况,取消了过强的限制条件,并使得从理论上对Adaline敏感性近似计算进行误差分析成为可能.其次,在Adaline敏感性基础上,针对Madaline的结构特性以及处理层间信息传递面临的高复杂度组合计算问题,提出了一种新的基于贡献度大小的取舍策略来计算Madaline敏感性.该策略在计算精度上优于现有的简单平均方法,并降低了计算复杂度.本文给出的敏感性近似计算公式和算法具有形式简单、计算复杂度低、近似误差小、一般性强等优点,大量的仿真模拟实验验证了公式和算法的准确性和有效性.; 钟水明曾晓勤刘惠义徐彦; 关键词：ADALINE FEEDFORWARD NETWORKS 敏感性

基于相邻边界模型的支持向量预选算法: 2009年; 根据支持向量的几何分布特性,提出相邻边界模型的概念以及一种支持向量预选算法。该算法通过预选出相互邻近的边界样本,避免大量样本参与二次规划问题的求解,为支持向量机提供高效的训练集。实验结果证明,采用该预选算法的LIBSVM可以较大地提高训练的时间效率和空间效率。; 孙卫庄卫华林红飞曾晓勤; 关键词：支持向量机

全选清除导出

共1页<1>

国家自然科学基金(60571048)