首页 | 本学科首页   官方微博 | 高级检索  
文章检索
  按 检索   检索词:      
出版年份:   被引次数:   他引次数: 提示:输入*表示无穷大
  收费全文   9篇
  免费   2篇
  国内免费   2篇
冶金工业   1篇
自动化技术   12篇
  2023年   1篇
  2017年   1篇
  2014年   1篇
  2012年   1篇
  2011年   3篇
  2008年   3篇
  2007年   1篇
  2006年   1篇
  2004年   1篇
排序方式: 共有13条查询结果,搜索用时 15 毫秒
1.
徐光美  杨炳儒  钱榕 《计算机工程》2008,34(13):49-50,53
众多研究者致力于将朴素贝叶斯方法与原有的ILP系统结合,形成各种各样的多关系朴素贝叶斯分类器(MRNBC).该文提出形成朴素贝叶斯分类器的一阶扩展的一般方法.现实中关系数据库广泛存在,可以直接作用于数据库表,而无须转换表示形式的MRNBC则是研究的重点,该方法主要基于关系数据库理论,分析了进行一阶扩展的关键问题.  相似文献   
2.
文化资讯领域的知识由于分布性和异构性很难得到共享。本体技术对技术进行组织是解决语义问题的一个常用办法。尽管实例也携带着信息,但是多数系统考虑的都是概念级别的互操作性,很需要新的理论模型来解决这类问题。信息流理论是解决这个问题的一个非常好的理论。论文中提出了基于本体和信息流理论的知识共享框架,并将此框架用于数字博物馆中,利用概念和实例的两重性进行知识共享。  相似文献   
3.
一种新的图案纹样生成方法   总被引:1,自引:0,他引:1  
解决如何用计算机生成具有民族风格的纹样的图案是一个富有挑战的问题.提出一种图案生成方法,基于图案基元的变换来快速生成具有民族风格的图案.首先,引入交互分割模型提取图案中具有代表性的意义相对独立的图案基元.设计图案基元的相似变换规则,产生分形基元矩阵.然后引入准Arnold变换规则,对基元分形矩阵进行扰动生成新图案.对图...  相似文献   
4.
为进一步提高多关系朴素贝叶斯方法的分类准确率,分析了已有的特征加权方法,并在将特征加权方法扩展到多关系的情况下结合元组ID传播方法和面向元组的统计计数方法,建立了基于特征加权的多关系朴素贝叶斯分类模型(MRNBC-W)。标准数据集上的实验结果显示,新方法可以在不增加算法时间复杂度的前提下,有效提高金融数据集的分类准确率。文中也给出了结合扩展互信息标准对属性进行过滤后,加权方法和不加权方法的分类比较。  相似文献   
5.
目前大多数数据挖掘方法是从单关系中发现模式,而多关系数据挖掘(MRDM)则可直接从关系数据库的多表中抽取有效模式。MRDM可以解决原有命题数据挖掘方法不能解决的问题,它不仅有更强的信息表示能力,可以表示和发现更复杂的模式,还可以在挖掘进程中有效地利用背景知识来提高挖掘效率和准确率。近年来,借鉴归纳逻辑程序设计(ILP)技术,已经形成许多多关系数据挖掘方法,如关系关联规则挖掘方法、关系分类聚类方法等。  相似文献   
6.
为消除朴素贝叶斯分类时的零概率以及过度拟合问题,分析了各种概率平滑方法,给出了基于M估计的多关系朴素贝叶斯分类方法(MRNBC-M)和基于Laplace估计的多关系朴素贝叶斯分类方法(MRNBC-L),分析探讨了M平滑和Laplace平滑方法对多关系分类的影响情况,为进一步优化分类,方法基于扩展互信息标准对数据进行属性过滤。多关系标准数据集上的实验显示,MRNBC-M可以有效改进分类性能。  相似文献   
7.
近年来,概率逻辑学习研究取得了很大进展,已经提出各种不同的形式化方法和学习方法,包括概率关系模(PRMs)、贝叶斯逻辑程序(BLPs)、逻辑贝叶斯网络(LBNs)和随机逻辑程序(SLPs)等。文章重点介绍了贝叶斯网络与一阶逻辑的结合,并以PRMs、BLPs和LBNs为例,描述了基于贝叶斯网络的概率逻辑模型(PLMs)的知识表示方法,给出了此类PLMs一般使用的参数估计方法和结构学习方法,并给出了建议的研究方向。  相似文献   
8.
纹理粗糙度是纹理最高层次的视觉感知特征,对底层图像特征向高层语义特征转化具有最要意义,为此,提出了大量的度量纹理粗糙度的算法,但是这些方法往往是基于不同的应用背景,没有总体比较和评价,多局限于灰度共生矩阵的选用和改进,算法普遍存在计算量过大、误差较大、应用能力模糊的缺点。基于常用的5种度量纹理粗糙度的算法,在不同图像源以及噪声图像上进行实验,测试不同度量方法所具有的纹理分辨能力、旋转不变性以及算法鲁棒性,进而给出选择度量纹理粗糙度算法的参考模型。  相似文献   
9.
自动图像标注技术研究进展   总被引:1,自引:0,他引:1  
近年来,自动图像标注(Automatic Image Annotation,AIA)技术已经成为图像语义理解研究领域的热点。其基本思想是利用已标注图像集或其他可获得的信息自动学习语义概念空间与视觉特征空间的潜在关联或者映射关系,来预测未知图像的标注。随着机器学习理论的不断发展,包括相关模型、分类器模型等不同的学习模型已经被广泛地应用于自动图像标注研究领域。现有的自动图像标注算法可以大致分为基于分类的标注算法、基于概率关联模型的标注算法以及基于图学习的标注算法等三大类。首先根据自动图像标注算法的特征提取及表示机制不同,将现有算法划分为基于全局特征和基于区域划分的自动图像标注方法。其次,在基于区域划分的自动图像标注算法中,按照学习算法的不同,将其划分为基于分类的标注方法、基于概率关联模型的标注方法以及基于图学习的标注方法,并分别介绍各类别中具有代表性的标注算法及其优缺点。然后给出了自动图像标注最新的研究进展,最后探讨自动图像标注的进一步研究方向。  相似文献   
10.
徐光美  杨炳儒  钱榕 《计算机工程》2008,34(13):49-50,5
众多研究者致力于将朴素贝叶斯方法与原有的ILP系统结合,形成各种各样的多关系朴素贝叶斯分类器(MRNBC)。该文提出形成朴素贝叶斯分类器的一阶扩展的一般方法。现实中关系数据库广泛存在,可以直接作用于数据库表,而无须转换表示形式的MRNBC则是研究的重点,该方法主要基于关系数据库理论,分析了进行一阶扩展的关键问题。  相似文献   
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号