您的位置： 专家智库 > >

李志涛

作品数：5 被引量：3H指数：1
供职机构：苏州大学计算机科学与技术学院更多>>
发文基金：教育部科学技术研究重点项目国家自然科学基金中国博士后科学基金更多>>
相关领域：自动化与计算机技术理学更多>>

合作作者

文献类型

  • 4篇期刊文章
  • 1篇学位论文

领域

  • 5篇自动化与计算...
  • 1篇理学

主题

  • 2篇多分类器
  • 2篇页表
  • 2篇深网
  • 2篇朴素贝叶斯
  • 2篇朴素贝叶斯分...
  • 2篇强化学习方法
  • 2篇网页
  • 2篇网页表单
  • 2篇维数灾
  • 2篇决策树
  • 2篇分类器
  • 2篇贝叶斯
  • 2篇贝叶斯分类
  • 2篇DEEP_W...
  • 2篇表单
  • 1篇逻辑程序
  • 1篇逻辑程序设计
  • 1篇归纳逻辑程序...
  • 1篇高斯
  • 1篇高斯过程

机构

  • 5篇苏州大学
  • 2篇南京大学
  • 1篇苏州市职业大...
  • 1篇江苏省现代企...

作者

  • 5篇李志涛
  • 3篇周文云
  • 3篇刘全
  • 1篇杨道文
  • 1篇李飞雄

传媒

  • 2篇计算机应用与...
  • 1篇计算机科学
  • 1篇苏州大学学报...

年份

  • 2篇2010
  • 3篇2009
共 5 条 记 录，以下是 1-5
全选 清除 导出
排序方式：
一种多分类器Deep Web数据源的自动分类与判别方法
2010年
Deep Web数据源的发现和其领域相关性越来越引起人们的关注和兴趣。针对在判别查询接口时,提取精度低和忽略领域相关性的问题,提出一种采用多分类器对Deep Web数据源进行自动分类和判别的方法,其思想是:对爬虫获取到的页面使用朴素贝叶斯分类器对其进行领域相关性分类,然后使用改进的决策树分类器来对特定领域的数据源进行判定。实验结果表明此方法相比于使用单一决策树分类器有更好的性能,其召回率和精度都有所提高。
李志涛刘全周文云
关键词：深网网页表单朴素贝叶斯分类决策树
关系强化学习方法的初步研究被引量：1
2010年
强化学习方法是人工智能领域中比较重要的方法之一,自从其提出以来已经有了很大的发展,并且能用来解决很多的问题。但是在遇到大规模状态空间问题时,使用普通的强化学习方法就会产生"维数灾"现象,所以提出了关系强化学习,把强化学习应用到关系领域可以在一定的程度上解决"维数灾"难题。在此基础上,简单介绍关系强化学习的概念以及相关的算法,以及以后有待解决的问题。
刘全周文云李志涛
关键词：维数灾
基于FOIL算法的约束归纳方法研究
2009年
对FOIL算法进行了深入剖析,针对归纳逻辑程序设计处理数值量弱的缺点,在FOIL算法的基础上作了改进。研究一种新的约束归纳算法,该算法通过在特殊化时对假设空间的划分和引入Fisher判别方法,能够导出不受变量个数限制的多种形式的线性约束。实验结果证明,改造后的算法在约束求解方面具有有效性。
杨道文李志涛李飞雄
关键词：归纳逻辑程序设计FOIL
使用多分类器进行Deep Web数据源的分类和判定
Deep Web数据源的发现及其领域相关性越来越引起人们的关注和兴趣。针对在判别查询接口时,提取精度低和忽略领域相关性的问题,提出了一种采用多分类器对Deep Web数据源进行自动分类和判别的方法:将Deep Web数据...
李志涛
关键词：深网网页表单朴素贝叶斯分类决策树
文献传递
一种大规模离散空间中的高斯强化学习方法被引量：1
2009年
针对大规模离散空间中强化学习的"维数灾"问题,即状态空间的大小随着特征的增加而发生指数级的增长,提出了一种基于高斯过程的强化学习方法。在本方法中,高斯过程模型有表示函数分布的能力,使用该模型之后,可以得到的不只是一个所需的估计值,而是关于该值的一个分布。实验结果表明,结合了高斯过程的强化学习方法在各方面性能,如收敛速度以及最终实验效果等都有所提高。使用高斯方法的回归模型可以在一定程度上解决大规模离散空间上的"维数灾"问题。
周文云刘全李志涛
关键词：维数灾高斯过程
全选 清除 导出
共1页<1>
聚类工具0