董乐红
- 作品数：13 被引量：92H指数：5
- 供职机构：西北大学更多>>
- 发文基金：国家自然科学基金陕西省教育厅科研计划项目国家教育部博士点基金更多>>
- 相关领域：自动化与计算机技术更多>>
- 基于监督学习的同义关系自动抽取方法被引量：9
- 2008年
- 目的解决从大规模文本中自动获取同义关系。方法将同义关系抽任务取看成一个二值分类问题,将其分为训练阶段和抽取阶段,共4个处理模块:预处理、特征生成、模型训练和分类。结果提出并建立了一种新的同义关系抽取模型,并给出了该模型的关键实现算法。结论提出的方法比基于模板方法的F_1值高出了24.4%,大幅度提高了同义关系抽取结果的精度。同时提出的方法有效地改善了基于模板方法领域自适应性差的缺点,所定义的特征和特征的权重计算更适合于判定学习算法。
- 孙霞董乐红
- 基于Boosting算法的文本自动分类器设计被引量：15
- 2007年
- Boosting算法是目前流行的一种机器学习算法。采用一种改进的Boosting算法Adaboost.MH^(KR)作为分类算法,设计了一个文本自动分类器,并给出了评估方法和结果。评价表明,该分类器有很好的分类精度。
- 董乐红耿国华周明全
- 关键词：文本分类BOOSTING算法
- 计算机辅助青铜器鉴定专家系统的设计与实现
- 该文实现的专家系统模型既是青铜器鉴定领域的一个通用专家系统模型,又可以作为一个完整的专家系统独立使用,其主要功能是根据用户选择的青铜器形制、纹饰、铭文等特征,采用特征比较法,与同种类的标准器型比较,辅助考古工作者对青铜器...
- 董乐红
- 关键词：青铜器鉴定知识库产生式系统专家系统模型
- 文献传递
- Boosting算法综述被引量：38
- 2006年
- Boosting是近年来流行的一种用来提高学习算法精度的方法。以AdaBoost算法为例介绍了Boosting算法,并概括了它的各种理论分析,最后讨论了Boosting的应用及未来可能的发展方向。
- 董乐红耿国华高原
- 关键词：BOOSTING泛化误差
- 文本分类中连续属性离散化方法的研究
- 2009年
- 针对机器学习领域的一些分类算法不能处理连续属性的问题,提出一种基于词出现和信息增益相结合的多区间连续属性离散化方法.该算法定义了一个离散化过程,离散化了采用传统信息检索的加权技术生成的非二值特征词空间,然后判断原特征空间中每个特征词属于或不属于某给定子区间,将问题转换成二值表示方式,以使得这些分类算法适用于连续属性值.实验结果表明,该算法离散过程简单高效,预测精度高,可理解性强.
- 董乐红耿国华周明全
- 关键词：文本分类信息增益连续属性离散化BOOSTING算法
- 一种基于ASP技术的Web MIS权限控制系统的设计被引量：8
- 2003年
- 介绍了ASP的体系结构和它在性能方面的优势，并给出了一个基于Web的权限控制系统的设计和实现过程，同时对该系统的优势和判断用户权限的函数作了详细说明。
- 董乐红耿国华周明全
- 关键词：WEB权限静态网页动态网页
- 基于模糊推理的青铜器鉴定专家系统被引量：3
- 2006年
- 目的辅助青铜器鉴定,提高鉴定的准确性和效率。方法采用基于加权模糊逻辑的模糊知识表示方法和模糊推理方法。同时,讨论了青铜器鉴定专家系统的结构与功能。结果所采用的模糊推理方法解决了原系统中采用传统逻辑推理方法带来的子证据对于结论地位完全平等的问题。结论实验证明,该模糊推理方法可以极大地提高青铜器鉴定的准确性和效率。
- 董乐红耿国华赵清
- 关键词：专家系统加权模糊逻辑
- 基于关系数据库的空间对象处理技术研究被引量：4
- 2007年
- 关系型数据库是目前管理数据最有效的方式,但传统的关系模型却无法描述现实世界中存在的复杂空间对象。在研究了关系数据库扩展技术的基础上,以通用商用数据库为基础,在扩展的关系数据库中描述空间对象并使用SQL进行空间对象运算,为如何在关系数据库中处理空间对象提供了思路和方法。
- 高原耿国华董乐红
- 关键词：数据库抽象数据类型
- 一种新的三阶非线性扩散图像平滑方法及其算法实现被引量：5
- 2007年
- 基于非线性扩散在保留图像重要特征方面表现出的良好性能,通过引入图像局部特征(曲率),将曲率和梯度联合作为控制传导率的因素引入非线性扩散方程,提出了一个新的三阶非线性扩散方法,并讨论了该方法的数值实现。实验结果表明,这一方法对各种类型的噪声均有好的平滑效果。
- 祝轩周明全耿国华董乐红
- 关键词：曲率驱动图像平滑
- 一个中文文本自动分类器的设计被引量：1
- 2008年
- Boosting算法是目前流行的一种机器学习算法。采用Boosting家族的Adaboost.MH算法作为分类算法,设计了一个中文文本自动分类器,并给出了评估方法和结果。评价表明,该分类器和SVM的分类精度相当,而较基于其他分类算法的分类器有更好的分类精度。
- 董乐红耿国华周明全
- 关键词：文本分类BOOSTING算法
