共查询到19条相似文献,搜索用时 203 毫秒
1.
基于历史的用户自定义特征建模方法研究 总被引:2,自引:0,他引:2
在华中科技大学CAD中心自主开发的三维CAD系统———Intesolid中,提出了一种基于历史的用户自定义特征的建模方法,实现了基于用户自定义特征的设计意图的重构,提高了设计效率,体现了设计构件重用的思想,并简化了特征库的管理。 相似文献
2.
陈伯雄 《CAD/CAM与制造业信息化》2012,(9):20
新的材料机制,并未表现出应有的专业水平,我们需要的基本材料仍未列入。所以,用户定制的第一个动作就是:自定义材料。基于前边的讨论和结论,笔者以为仅讨论I库(Inventor材料库)的自定义材料就够了。一、自定义类别前文曾经分析过,I库的分类依然不专业。但是毕竟进步了,有了分类的机制,关键是终于支持用户定制了。这比起资源中心的分类,已经强很多了。如图1所示。 相似文献
3.
提出用自定义特征的方法设计管网图形模型,提供了新元件设计的接口,需要对元件进行扩展建模时,用户可先自定义生成特征元件进入特征库,再进行管网图形建模设计。该方法有效地解决了管网图形建模的可扩展性问题。系统采用面向对象技术来实现,以提高程序的移植性与通用性。实例研究表明,该方法实现的系统具有良好的接口与方便的用户操作,是一种有效的管网图形建模方法。 相似文献
4.
在大数据时代,数据的样本数量、特征维度和类别数量都在急剧增加,且样本类别间通常存在着层次结构.如何对层次结构数据进行特征选择具有重要意义.近年来,已有相关特征选择算法提出,然而现有算法未充分利用类别的层次结构信息,且忽略了不同类节点具有共有与固有属性的特点.据此,提出了基于标签关联性的分层分类共有与固有特征选择算法.该算法利用递归正则化对层次结构的每个内部节点选择对应的固有特征,并充分利用层次结构分析标签关联性,进而利用正则化惩罚项学习各子树的共有特征.该模型不仅能够处理树结构层次化数据,也能直接处理更为复杂常见的有向无环图结构的层次化数据.在6个树结构数据集和4个有向无环图结构数据集上的实验结果,验证了该算法的有效性. 相似文献
5.
传统上下文在分类研究中通常存在失真和有效性等问题。引入研究对象领域的相似领域作为上下文,借助迁移学习理论,使用结构化相似性学习方法构建研究对象领域和其相似领域间的低维共享特征,提出一种基于相似领域共享特征的分类学习模型。实验以QQ空间的个性化设置数据作为上下文,对用户电子商务网站页面的风格偏好进行分类,验证了所提模型的可行性和有效性。 相似文献
6.
7.
GS—ZDDS中的自定义特征 总被引:1,自引:0,他引:1
在自主开发的二维参数化绘图软件中,提出了一种用于与用户专业设计程序相集成的自定义特征的概念,实现了设计计算过程的信息共享和局部并行,提高了设计效率,体现了设计构件重用的思想,并且大大减小了用户专用的设计系统开发的工作量,系统具有良好的可扩展性。 相似文献
8.
为了降低传统的有向无环图支持向量机(DAG-SVMs)多类分类方法在模型构建过程中节点选择的随机性,提高最终分类结果的准确率,提出了一种基于熵变的有向无环图支持向量机(E-DAG-SVMs)的组合策略.该策略通过计算各支持向量机在分割样本集时引发的熵变,依据信息增益最大化原则来决定节点的选择,进而构建多类分类模型.实验结果表日月了该策略的有效性. 相似文献
9.
10.
分析现有的病毒检测方法,提出一种基于特征信息熵筛选和DAG-SVM多类支持向量机的未知病毒检测新方法.该方法将PE文件静态特征扫描和动态API序列特征结合起来形成多维特征向量,并利用信息熵对静态多维特征向量进行有效性筛选,将经降维后形成的特征向量利用有向无环图多类支持向量机分类方法训练病毒学习模型并实现对未知计算机病毒的检测,该检测方法克服了特征代码扫描法无法识别未知病毒的缺陷和静态API序列检测方法对于未知病毒隐藏API调用的低识别率,使用有向无环图支持向量机相对于其他支持向量机算法可以有效的解决某些样本的误分和拒分现象.实验结果表明该病毒检测方法具有更高的准确性. 相似文献
11.
针对带钢表面缺陷识别问题,提出一种基于动态演化复杂网络特性的特征描述方法, 这些特征同时具有位移、旋转不变性、大小不变性、较强的抗干扰能力和鲁棒性,为 缺陷识别提供良好的分类特征;为了提高分类器的效率,应用主成分分析法 (Principal component analysis, PCA) 对复杂网络特 征向量进行特征降维处理;采用最优有向无环图支持向量机 (Directed acyclic graph support vector machine, DAG-SVM)算法进行缺陷分类.结果表明该方法识别率高而且识别速度快. 相似文献
12.
13.
一种基于图的层次多标记文本分类方法 总被引:1,自引:0,他引:1
由于一个类别在层次树上可能存在多个镜像,基于层次树来进行分类可能会导致不一致性。一种自然的解决方法是采用图结构来描述类别关系,在现实生活中人们实际的描述方式也是如此。鉴于此,提出了一种直接基于图的层次多标记分类方法,称为GraphHMLTC。该方法利用有向无圈图的拓扑排序而非树的自顶向下的层次关系来确定类别之间的分类顺序,并且该拓扑序根据分类情形进行动态维护。实验表明,采用层次图分类的GraphHMLTC方法比非层次分类方法的代表之一BoosTexter.MH在较大程度上改善了分类精度。该工作体现了基于层 相似文献
14.
15.
This paper proposed two psychophysiological-data-driven classification frameworks for operator functional states (OFS) assessment in safety-critical human-machine systems with stable generalization ability. The recursive feature elimination (RFE) and least square support vector machine (LSSVM) are combined and used for binary and multiclass feature selection. Besides typical binary LSSVM classifiers for two-class OFS assessment, two multiclass classifiers based on multiclass LSSVM-RFE and decision directed acyclic graph (DDAG) scheme are developed, one used for recognizing the high mental workload and fatigued state while the other for differentiating overloaded and base-line states from the normal states. Feature selection results have revealed that different dimensions of OFS can be characterized by specific set of psychophysiological features. Performance comparison studies show that reasonable high and stable classification accuracy of both classification frameworks can be achieved if the RFE procedure is properly implemented and utilized. 相似文献
16.
有效的特征提取方法能提高脑机接口(Brain-computer interface,BCI)系统对脑电(Electroencephalogram,EEG)信号的识别率.因脑电信号都是多通道的,本文将分层向量自回归(Hierarchical vector autoregression,HVAR)模型用于脑电信号的特征提取,并结合传统的线性支持向量机(Support vector machine,SVM)用于脑电信号识别.该模型不仅克服了自回归(Autoregression,AR)模型只能用来提取单通道特征的局限性,而且不再采用传统VAR(Vector autoregression)模型所有通道共用一个时滞的处理方法.创新之处在于在传统的VAR模型基础上添加正则化思想,有效地压缩参数空间,实现合理的分层结构.本文首次将HVAR模型用于由Keirn等采集并整理的脑电数据中.实验结果证明HVAR模型在阶数较小的情况下(2阶)与阶数较大(6阶)的AR模型效果相当,可见低阶的HVAR能很好地刻画脑电信号的时空关联关系,这说明HVAR可能是刻画EEG信号的一种新颖的方法,这对其他多通道时间序列分析都有借鉴意义. 相似文献
17.
18.
集成环境中基于特征顺序的产品建模方法研究 总被引:13,自引:1,他引:12
CAD系统输出的基于特征的产品数据,实际上是一个静态的特征序列的描述,百忽略了特征在“拼装”成零件时,所遵循的顺序规律。在对特征分类的基础上,研究了基本形状特征之间的空间关系、拼装所遵循的规律,提出了基于特征关系矩阵及其有向夫环图的描述方法,建立具有动态性的和层次性的产品特征的数据模型。详细讨论了由CAD系统数据转化为集成系统内部层次模型过程中所涉及的主要问题,包括特征之间的关系、特征关系矩阵的建 相似文献