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   97篇
  国内免费   6篇
  完全免费   67篇
  自动化技术   170篇
  2017年   4篇
  2016年   7篇
  2015年   9篇
  2014年   10篇
  2013年   10篇
  2012年   14篇
  2011年   12篇
  2010年   17篇
  2009年   17篇
  2008年   13篇
  2007年   18篇
  2006年   14篇
  2005年   8篇
  2004年   5篇
  2003年   3篇
  2002年   2篇
  2001年   2篇
  2000年   1篇
  1999年   3篇
  1997年   1篇
排序方式: 共有170条查询结果,搜索用时 31 毫秒
1.
一种SVM增量学习算法α-ISVM   总被引:53,自引:0,他引:53       下载免费PDF全文
萧嵘  王继成  孙正兴  张福炎 《软件学报》2001,12(12):1818-1824
基于SVM(support vector machine)理论的分类算法,由于其完善的理论基础和良好的试验结果,目前已逐渐引起国内外研究者的关注.深入分析了SVM理论中SV(support vector,支持向量)集的特点,给出一种简单的SVM增量学习算法.在此基础上,进一步提出了一种基于遗忘因子α的SVM增量学习改进算法α-ISVM.该算法通过在增量学习中逐步积累样本的空间分布知识,使得对样本进行有选择地遗忘成为可能.理论分析和实验结果表明,该算法能在保证分类精度的同时,有效地提高训练速度并降低存储空间的占用.  相似文献
2.
一种增量贝叶斯分类模型   总被引:33,自引:0,他引:33  
分类一直是机器学习,模型识别和数据挖掘研究的核心问题,从海量数据中学习分类知识,尤其是当获得大量的带有类别标注的样本代价较高时,增量学习是解决该问题的有效途径,该文将简单贝叶期方法应用于增量分类中,提出了一种增量贝叶斯学习模型,给出了增量贝叶斯推理过程,包括增量地修正分类器参数和增量地分类测试样本,实验结果表明,该算法是可行的和有效。  相似文献
3.
一种快速支持向量机增量学习算法   总被引:15,自引:0,他引:15  
孔锐  张冰 《控制与决策》2005,20(10):1129-1132,1136
经典的支持向量机(SVM)算法在求解最优分类面时需求解一个凸二次规划问题,当训练样本数量很多时,算法的速度较慢,而且一旦有新的样本加入,所有的训练样本必须重新训练,非常浪费时间.为此,提出一种新的SVM快速增量学习算法.该算法首先选择那些可能成为支持向量的边界向量,以减少参与训练的样本数目;然后进行增量学习.学习算法是一个迭代过程,无需求解优化问题.实验证明,该算法不仅能保证学习机器的精度和良好的推广能力,而且算法的学习速度比经典的SVM算法快,可以进行增量学习.  相似文献
4.
构造型神经网络双交叉覆盖增量学习算法   总被引:12,自引:1,他引:11       下载免费PDF全文
陶品  张钹  叶榛 《软件学报》2003,14(2):194-201
研究了基于覆盖的构造型神经网络(cover based constructive neural networks,简称CBCNN)中的双交叉覆盖增量学习算法(BiCovering algorithm,简称BiCA).根据CBCNN的基本思想,该算法进一步通过构造多个正反覆盖簇,使得网络在首次构造完成后还可以不断地修改与优化神经网络的参数与结构,增加或删除网络中的节点,进行增量学习.通过分析认为,BiCA学习算法不但保留了CBCNN网络的优点与特点,而且实现了增量学习并提高了CBCNN网络的泛化能力.仿真实验结果显示,该增量学习算法在神经网络初始分类能力较差的情况下具有快速学习能力,并且对样本的学习顺序不敏感.  相似文献
5.
基于中心距离比值的增量支持向量机   总被引:11,自引:0,他引:11       下载免费PDF全文
孔波  刘小茂  张钧 《计算机应用》2006,26(6):1434-1436
研究了支持向量、中心距离比值、边界向量以及增量学习之间的关系,提出了基于中心距离比值的增量支持向量机。与传统方法相比,基于中心距离比值的增量支持向量机有效的利用了中心距离比值,解决了CDRM+SVM的阈值选取问题;且适合于增量学习;从而在保证了支持向量机的分类能力没有受到影响的前提下提高了支持向量机的训练速度。  相似文献
6.
一种新的SVM对等增量学习算法   总被引:10,自引:0,他引:10       下载免费PDF全文
在分析支持向量机(SVM)寻优问题的KKT条件和样本分布之间关系的基础上,分析了新增样本的加入对SV集的影响,定义了广义KKT条件。基于原训练样本集和新增训练样本集在增量训练中地位等同,提出了一种新的SVM增量学习算法。算法在及时淘汰对后继分类影响不大的样本的同时保留了含有重要分类信息的样本。对标准数据集的实验结果表明,算法获得了较好的性能。  相似文献
7.
一种文本分类的在线SVM学习算法   总被引:9,自引:4,他引:5  
本文提出了一种用于文本分类的RBF支持向量机在线学习算法.利用RBF核函数的局部性,该算法仅对新训练样本的某一大小邻域内且位于"可能带"中的训练样本集进行重新训练,以实现对现有SVM的更新.为高效的实现该邻域大小的自适应确定,使用ξα泛化错误估计在所有现有训练样本集上对当前SVM的泛化错误进行定性估计.同时引入泛化能力进化因子,使得结果SVM在分类效果上具有自动调整能力,并防止分类能力的退化.在TREC-5真实语料上的对比测试结果表明,该算法显著地加速了增量学习的过程而同时保证结果SVM的分类效果.  相似文献
8.
在线草图识别中的用户适应性研究   总被引:8,自引:3,他引:5  
提出一种在线草图识别用户适应性解决方法,该方法分别采用支撑向量机主动式增量学习和动态用户建模技术进行笔划和复杂图形的识别.支撑向量机主动式增量学习方法通过主动“分析”用户增量数据,并根据用户反馈从中选择重要数据作为训练样本,可有效地鉴别用户手绘笔划特征,快速地识别用户输入笔划.动态用户建模技术则采用增量决策树记录草图的笔划构成及其手绘过程,有效捕捉用户的复杂图形手绘习惯,进而利用模糊匹配在草图绘制过程中预测和识别复杂图形.实验表明:该方法具有很好的效果,为解决在线草图识别及其用户适应性问题提供参考.  相似文献
9.
基于支持向量机的多分类增量学习算法   总被引:7,自引:0,他引:7       下载免费PDF全文
朱美琳  杨佩 《计算机工程》2006,32(17):77-79
支持向量机被成功地应用在分类和回归问题中,但是由于其需要求解二次规划,使得支持向量机在求解大规模数据上具有一定的缺陷,尤其是对于多分类问题,现有的支持向量机算法具有太高的算法复杂性。该文提出一种基于支持向量机的增量学习算法,适合多分类问题,并将之用于解决实际问题。  相似文献
10.
基于反馈学习自适应的中文话题追踪   总被引:6,自引:0,他引:6  
在话题追踪研究领域,由于话题是动态发展的,在追踪过程中会产生话题漂移的问题。针对该问题以及现有自适应方法的不足,本文提出基于反馈学习的自适应方法。该方法采用增量学习的思想,对话题追踪任务中的自适应学习机制提出了新的算法。该算法能够解决话题漂移现象,并能够弥补现有自适应方法的不足。该算法中还考虑了话题追踪任务的时序性,将时间信息引入到了算法中。本文实验采用TDT4语料中的中文部分作为测试语料,使用TDT2004的评测方法对基于反馈学习的自适应的中文话题追踪系统进行评价,实验数据表明基于反馈学习的自适应方法能够提高话题追踪的性能。  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