排序方式: 共有89条查询结果,搜索用时 15 毫秒
1.
2.
网上虚拟教室中笔记系统的设计与实现 总被引:3,自引:0,他引:3
随着计算机网络的发展,网上教学成为当今计算机辅助教育的研究热点,而对于一个完善的网上虚拟教室系统,笔记系统是不可缺少的。文章着重论述了利用JAVA及JDBC对笔记系统的设计与实现,并提出了利用人工智能领域中的不确定推理等知识,根据学生感兴趣的主题词,主动进行信息获取服务。 相似文献
3.
4.
模糊聚类神经网络的非对称学习算法 总被引:3,自引:0,他引:3
通过仿真和分析表明模糊聚类神经网络原有学习算法FCNN的局限性,如初值敏感性、吸引域不灵活和稳定点不合理等;指出造成上述局限的原因主要在于算法的对称性和权值向量的修正缺乏协同。为此,通过在网络模型中引入层内反馈、在算法中引入加速项,消除了算法的对称性并使权值向量的修正具有一定的协同性;通过改进算法结构,消除了小尺度振荡现象并使算法的稳定点趋于合理。计算机仿真结果表明改进后的非对称学习算法AFC可以有效克服原有算法的不足并具有较高的收敛速度。 相似文献
5.
7.
8.
基于k-means和半监督机制的单类中心学习算法 总被引:2,自引:0,他引:2
提出了一个基于k means算法框架和半监督机制的single means算法,以解决单类中心学习问题。k means算法实质上是对一种混合高斯模型的期望最大化(EM)算法的近似,对该模型随机生成的多类混合数据集,从目标类中随机标定的初始中心出发,能确定地收敛到该类的实际中心。将single means算法应用到对单类文本中心学习问题中,实验结果表明:在给定目标类中的小标定文本集后,新算法能够有效地改进类的初始中心,且对数据稀疏和方差较大的实际问题具有健壮性。 相似文献
9.
10.
提出了一种基于窗口的快速聚类算法——F-CABDET(Fast Clustering Algorithm based on Building a DEnsity-Tree)。该算法采用基于窗口的计算方法将全局计算转化为局域计算,大幅度提高了计算效率,降低了程序的执行时间,并取得了满意的聚类质量。同时F-CABDET仅需要一个输入参数,在聚类过程中采用动态邻域半径不仅可以发现任意形状的簇,而且具有处理噪音数据的能力。实验结果表明了F-CABDET算法的有效性。 相似文献