基于wordNet的类别可拓展网页分类系统

基于文本写作常采用一个意思由多个不同写法的单词来表述,研究词义文本分类法被用来替代使用关键词分类算法以提高分类准确率.分析wordNet内Synset架构,认为一个兼顾词义以及词义间关系的词义文本分类系统可应用到网页分类中.该系统同时注意到固定的文本类别结构以及结构内不断增长的文件数目间的区别,加入了基于类别信息聚类方法的类别拓展的功能.仿真实验证明,该分类系统与现有的基于语义的分类系统相比,在分类准确度性能上能提高13%.基于类别信息类聚的文本拓展功能与采用基于相似度的类聚方法的系统相比获得了一个质量更高的新增类别.     

阵列式相关存储的实现

为解决相关存储所存在的问题，提出了一个新的阵列结构的相关存储模型。通过执行作者在该相关存储上的操作，在有效地加快任何已存的信息基础上，达到根据输入模式的长度所决定的最高存储能力。     

一个基于相关存储的模式识别方法

应用相关的存储技术实现模式识别可缩减存储大小,但由此带来的饱和问题严重影响系统正常工作,为解决此问题,本文在分析现有系统的基础上给出了基于一系列逻辑操作的识别技术.该技术的实质是用一形式化的方法增加输入模式间的线性无关性.通过论证与实例验证,该方法是有效而实用的.     

一种面向基于内容视频检索的音频场景分割方法

视频数据中的音频流包含了丰富的语义信息.在基于内容的视频检索中,对音频信息的分析是不可分割的一部分.本文主要讨论基于内容的音频场景分割,分析各种音频特征及提取方法,并在此基础上提出一种新的音频流分割方法,根据六种音频类型(语音、音乐、静音、环境音、纯语音、音乐背景下的语音和环境音背景下的语音)的音频特征对视频数据中的音频流分割音频场景.实验证明该方法是有效的,在保证一定的分割精度的同时,准确率和查全率都得到了较大的提高.     

人工神经网络VLSI脉冲流算法实现技术

人工神经网络以其自组织、自适应、自学习能力以及非线性、非局域性、非定常性和凸性等优点得到广泛重视。本文分析现有人工神经网络模型及算法,总结了现有人工神经网络实现上的弊端,然后着重讨论了数据模结合的VLSI人工神经网络技术和脉冲流技术。在现有的各种脉冲流技术基础上,给出一个以模拟方式实现突触乘积和突触输出累加,数字方式实现权值储存的脉冲流人工神经网络。     

神经网络模式编码干扰的判别与改进

应用基本“Ｈｅｂｂ”规则训练神经网络存在存贮模式之间相互干扰问题,从而限制了系统的存贮容量。针对这一问题,本文首先给出一种判定非稳定存存模式的判别式,再根据判别式中的参数,在学习过程中通过增加神经元的个数而修改相应的阈值,从而解决非稳定模式问题。     

模糊ART神经网络的识别算法及其应用

提出并设计了模糊ART神经网络的结构、学习规则和识别算法.为了把该算法应用于人脸识别,定义了相似函数和匹配搜索方法,通过向量柱状图提取人脸特征,并用模糊ART神经网络对向量柱状图生成的特征向量进行识别.仿真实验结果表明,对于快速学习和非快速学习,不同的人具有不同的识别率,各有不同的警戒参数值可以使神经网络到达在线最大识别率82.25%和86%.     

一个医疗诊断专家系统模型

本文给出了一个医疗诊断专家系统的模型。该系统采用产生式系统结构,其知识库由两部分组成:(a)关于疾病的一般知识;(b)关于病人症状的具体知识。它采用逆向演绎方法进行推理,并在推理过程中计算置信度的值,从而给出诊断结论。