基于遗传算法的人工神经网络

为克服和改进传统的BP算法的不足，发挥神经网络和遗传算法各自的优势，提出了一种基于遗传算法的神经网络二次训练方法，将遗传算法应用于神经网络的权值训练中，并用神经网络二次训练得到最终结果，降低了计算时间，是一种比较有效的方法。  

方向加权中值滤波算法

方向加权中值滤波算法是一种新的滤波方法。该方法用于指纹二值化图象处理主要是充分运用指纹方向图和模糊理论思想来构造滤波模板，其算法简单，处理速度快，而且当方向不准确时，也可给出较正确的结果，因而大大增强了算法的抗干扰性。  

学习特征权值对K-均值聚类算法的优化

K-均值(K—means)算法聚类的结果依赖于距离度量的选取．传统的K-均值算法选择的相似性度量通常是欧几里德距离的倒数，这种距离通常涉及所有的特征．在距离公式中引入一些特征权参数后，其聚类结果将依赖于这些权值，从而可以通过调整这些权值优化聚类效果．由于K-均值算法是迭代算法，很难直接确定其权值以优化聚类结果，因此提出了一种间接的学习权值算法以改进聚类结果．从数学意义上讲，这种权值学习相当于欧氏空间中对一组点进行了一个线性变换．数值实验证实了算法的有效性．  

鲁棒性的汉语人称代词消解

指代消解在自然语言处理中起着越来越重要的作用.许多自然语言处理应用系统都需要高效、鲁棒的指代消解策略.然而,传统的指代消解方法需要用到句法知识、语义知识、上下文知识,甚至领域知识等多级知识,在目前的自然语言处理水平下,要有效获取这些知识是相当困难的.结合汉语的特点,提出了一种弱化语言知识的人称代词消解方法,仅仅用到了单复数特征、性别特征和语法角色特征.该方法主要分为两步,首先,利用这3种特征的简单约束关系,过滤与人称代词特征不一致的词,并形成可能的先行语候选集;然后,使用一个权值算法,计算候选的权值,并将最高权值的候选作为代词最终的先行语.权值算法并不是枚举式地计算每个候选的权值,而会通过动态评测机制,在合适的条件下自动终止计算,因而有效地控制了计算复杂度.此外,该方法不需要对文本进行深层的分析处理,实现起来也很容易.测试结果表明,该方法达到了满意效果.  

基于UML的软硬件协同设计的模型分析方法

详细分析了Chonlameth Arpnikanondt提出的基于UML约束的嵌入式系统的软、硬件协同设计方法(CBC/UML),并指出了它运用于复杂的嵌入式系统设计时的不足.针对这些不足,扩展了约束的概念,提出了一套相应的改善方法.并利用中国科学院软件研究所研制智能电话机的例子具体阐述了该解决方法.  

基于粗糙集的CBR系统案例特征项权值确定

案例特征属性的权值确定是案例相似性度量中的关键问题，该文提出一种新的案例特征项的权重系数计算方法，该方法利用粗糙集理论判断实例特征属性的重要度，并将其权值化处理作为其权重系数，克服了传统方法确定权重系数的主观性。最后，以工程项目风险分类系统作为应用对象，说明该方法的有效性。  

可补偿类别差异的加权支持向量机算法

支持向量机(SVM)算法在各类别样本数多少不同时,样本数量多的类别,其分类误差小,而样本数量少的类别,其分类误差大.针对这种倾向性问题,在分析其产生原因的基础上,提出了加权SVM算法,从而克服了常规SVM算法不能灵活处理每一个样本的缺陷,同时补偿了这种倾向性造成的不利影响.这种以牺牲大类别精度来提高小类别精度的加权支持向量机方法,可应用于诸如故障诊断等关注小类别分类精度的场合.户外图象识别的实验结果证明,该算法是有效的.  

一种确定协商评价问题属性权重的方法

协商评价问题的核心是确定各属性的权重.首先对评价者给出的区间赋值信息进行分类,确定各类信息的协商区间和协商值;然后利用所导出的有序加权平均(IOWA)算子对各类信息的协商区间和协商值进行集成,并对如何选取IOWA算子加权向量的问题进行了讨论.在此基础上提出了一种确定协商评价问题属性权重的方法.算例表明,该方法具有实用性和可操作性.  

BP网络的权值诱导与层次训练算法

BP神经网络以其结构简单、工作状态稳定等特点,成为当前应用最广的一种神经网络模型,应用范围包括识别分类、非线性映射、复杂系统仿真等方面。但是,BP网络也存在局部极小、收敛速度慢、网络结构选取困难等缺点。对此,已提出了多种改进算  

DF还是IDF?主特征模型在Web信息检索中的使用

Web信息检索的难点之一就是简短、模糊的用户查询与存在大量冗余和噪声的文档之间的不匹配.对Web文档信息特征进行分析,提出Web文档主特征词、主特征域和主特征空间的概念,在该空间上使用文档频度DF(document frequency)信息而非传统意义上的IDF(inverse document frequency)信息进行权值计算,并给出一个改进的相似度计算模型.使用该模型在10G和19G的两个大规模Web文档集合上进行了3组标准测试.比较实验表明,与传统IDF思想相比,在各项评价指标上,DF相关的主特征权值计算方法都能始终较大幅度地提高系统性能,最大达到18.6%的性能改善.