基于C 的围棋定式管理系统

围棋有五种基本定式,将围棋定式与计算机技术结合以后,查询定式、学习定式将不再是麻烦事。文章介绍了基于C 技术的围棋定式管理系统制作原理并详细说明了制作该系统所用到的基本算法。     

对称无关的模式编码方法在定式学习中的应用

计算机围棋中的定式可以从棋谱中学习，采用与模式对称性无关的编码方法可以取得更好的储存效果，这是一种基于模式的邻近特征、轮廓特征和行列特征的模式编码方法，与模式的平移、旋转、翻转及黑白对称性无关，实验结果表明其哈希性能良好，模式间的查找迅速，也可以在官子和死活问题中得以应用。     

一种录入围棋棋谱的简易方法

围棋专业棋手及业余爱好者经常在杂志、书本和报纸上看到一些高水平的棋谱,仔细欣赏这些对局,可以学到很多东西并得到精神上的莫大享受,对提高棋艺,积累经验和陶冶情操大有益处。但由于印刷品上所印棋谱受版面尺寸等条件限制,不可能很大,报纸上棋谱的字又较模糊,再加上数百步棋印在一起,要     

基于幻影围棋的不完全信息博弈系统研究

文章基于计算机博弈的基本理论,对幻影围棋系统进行了研究。整个棋局分为三个阶段：开局、中盘和收尾。每个阶段都对应着不同的策略与应对方法,根据这些不同的阶段,设计算法,将算法与局势结合起来,从而增大胜率。根据我们从多次对弈获得的数据,选择有效和适当的定式,可以减少搜索时间,提高己方的胜率。该系统将使用Alpha-Beta剪枝算法以弥补蒙特卡洛算法的不足。     

围棋死活问题的计算机求解

提出了一种基于搜索的围棋死活问题的求解方法，并实现了一个围棋死活问题求解程序SharpSense。对比实验表明，SharpSense的性能明显优于同类程序，对封闭围棋死活问题的解题能力达到了围棋专业棋手的水平。SharpSense还发现了围棋死活问题经典著作《围棋死活大全》中的两个错误。     

一种机器学习系统的设计与实现

在试图完成一种分类专家系统的实践中,采用系统与有专门知识用户之间的交互作用,完成了系统获取知识的设计,但还不能说很完善.     

采用时间差分算法的九路围棋机器博弈系统

围棋机器博弈是机器博弈中重要的分支之一,其庞大的博弈空间给机器博弈研究者带来了巨大挑战.目前围棋机器博弈多采用静态估值搜索与蒙特卡洛树搜索,故将时间差分算法引入至九路围棋机器博弈系统中,提出基于时间差分算法的围棋机器博弈系统模型,该博弈系统具有一定的自学习能力,能在不断的对弈中逐步提高博弈能力.通过与采用α-β搜索算法的博弈系统进行实际对弈,证明了该方法的可行性.     

一种混合型机器学习模型

本文运用多概念获取算法ＨＭＣＡＰ，结合神经网络算法ＦＴＡＲＴ提出了一种新的混合型学习模型ＨＬＭ。在ＨＬＭ中，符号学习与神经网络学习具有结合紧密和转换灵活等特点，并采用了新的竞争学习机制，以样本在实例空间中出现的概率为启发信息修改学习中生成的分类。     

一种基于机器学习的虚拟机放置方法

为改善云数据中心的能耗、负载均衡性和服务等级协议(SLA)违背率,对虚拟机放置策略进行优化。基于IaaS环境,提出一种基于机器学习的虚拟机迁移调整方法。根据资源消耗的互补性和不均衡性对虚拟机进行预放置,使用深度神经网络预测物理机负载等级,并利用深度Q网络调整物理机数量。实验结果表明,该方法能够有效均衡负载分布,降低能源开销和SLA违背率。     

基于机器学习方法的入侵检测技术的研究

入侵检测技术是近20年来才出现的一种有效保护网络系统免受网络攻击的新型网络安全技术.随着网络技术的迅速发展、安全问题的日益突出,传统的入侵检测系统已难以满足对越来越复杂的网络攻击的检测任务,将机器学习的技术引入到入侵监测系统之中以有效地提高系统性能,已成为入侵检测技术的研究热点.本文主要介绍了入侵检测系统的基本结构以及几种机器学习方法在入侵检测中的应用,其中包括:基于贝叶斯分类的方法、基于神经网络的方法、基于数据挖掘的方法与基于支持向量机的方法.     

基于组合半监督的增量支持向量机学习算法*

增量支持向量机(ISVM)由于在每次增量学习过程中无法选择最有效的增量样本,导致模型的泛化性能较差.针对此问题,文中提出基于组合半监督方式的增量支持向量机学习算法(ICS³VM).通过将大量的无标记样本分批进行组合标记以选择最优的增量样本,即每次选择位于分类间隔内部的最有价值样本加入训练集,以此修正模型.同时选择分类间隔最大的一组标记作为最终标记,确保标记的准确性.在标准数据集上的实验表明,ICS³VM能以较高的学习效率提高模型的泛化性能.     

Robocup半场防守中的一种强化学习算法

Robocup仿真比赛是研究多Agent之间协作和对抗理论的优秀平台,提高Agent的防守能力是一个具有挑战性的问题.为制定合理的防守策略,将Robocup比赛中的一个子任务--半场防守任务分解为多个一对一防守任务,采用了基于Markov对策的强化学习方法解决这种零和交互问题,给出了具体的学习算法.将该算法应用到3D仿真球队--大连理工大学梦之翼(Fantasia)球队,在实际比赛过程中取得了良好效果.验证了采用Markov零和对策的强化学习算法在一对一防守中优于手工代码的结论.     

Robocup半场防守中的一种强化学习算法

Robocup仿真比赛是研究多Agent之间协作和对抗理论的优秀平台,提高Agent的防守能力是一个具有挑战性的问题。为制定合理的防守策略,将Robocup比赛中的一个子任务——半场防守任务分解为多个一对一防守任务,采用了基于Markov对策的强化学习方法解决这种零和交互问题,给出了具体的学习算法。将该算法应用到3D仿真球队——大连理工大学梦之翼(Fantasia)球队,在实际比赛过程中取得了良好效果。验证了采用Markov零和对策的强化学习算法在一对一防守中优于手工代码的结论。     

一种基于机器学习的MANET网络入侵检测性能评估方法研究

移动Ad hoc网络(MANET,Mobile Ad hoc Networks)正得到越来越广泛的应用,相应的网络安全问题也开始得到广泛的关注。研究MANET网络可能遭遇的攻击方式,提出基于机器学习技术的入侵检测性能评估模型,并提出一个综合评价指标,比较了7种机器学习算法在MANET网络入侵检测中的性能表现,对于构建安全有效的MANET网络具有重要的意义。使用GloMoSim仿真工具对MANET网络正常行为及黑洞、洪水、丢包3种入侵行为进行模拟,并详细分析了各种攻击情况下,7种机器学习算法的性能表现。分析结果显示,该评估模型能较好地反映出各种机器学习算法的性能,其中,多层感知器、逻辑回归和支持向量机具有较高的检测率及较低的误报率。     

应用机器学习于Chi平方密写分析的研究

回顾当前的密写和密写分析技术,并将机器学习方法应用到经典的Х^2密写分析上。给出了方法的框架并进行了实验,然后对实验结果进行分析和比较,得出了应用机器学习方法的Х^2密写分析优于简单Х^2密写分析的结论,从而肯定了机器学习方法的有效性。最后指出了在密写分析技术中进一步应用机器学习方法的方向。     

机器学习化数据库系统研究综述

数据库系统经过近50年的发展,虽然已经普遍商用,但随着大数据时代的到来,数据库系统在2个方面面临挑战.首先数据量持续增大期望单个查询任务具有更快的处理速度;其次查询负载的快速变化及其多样性使得基于DBA经验的数据库配置和查询优化偏好不能实时地调整为最佳运行时状态.而数据库系统的性能优化进入瓶颈期,优化空间收窄,进一步优化只能依托新的硬件加速器来实现,传统的数据库系统不能够有效利用现代的硬件加速器;数据库系统具有成百个可调参数,面对工作负载频繁变化,大量繁琐的参数配置已经超出DBA的能力,这使得数据库系统面对快速而又多样性的变化缺乏实时响应能力.当下机器学习技术恰好同时符合这2个条件：应用现代加速器以及从众多参数调节经验中学习.机器学习化数据库系统将机器学习技术引入到数据库系统设计中.一方面将顺序扫描转化为计算模型,从而能够利用现代硬件加速平台;另一方面将DBA的经验转化为预测模型,从而使得数据库系统更加智能地动态适应工作负载的快速多样性变化.将对机器学习化数据库系统当前的研究工作进行总结与归纳,主要包括存储管理、查询优化的机器学习化研究以及自动化的数据库管理系统.在对已有技术分析的基础上,指出了机器学习化数据库系统的未来研究方向及可能面临的问题与挑战.     

适用于模糊综合评判系统的一种机器学习方法

在分析模糊综合评判的实际意义及其具体算法的基础上,指出了模糊综合评判系统在获取相关专家知识方面所存在的困难,进而提出了一种适合于模糊综合评判的新的机器学习方法———反馈示教学习法,并且对于在模糊综合评判中使用这种学习方法的具体思路进行了论述,并在模糊综合评判系统中得以实现。     

基于机器学习的光伏组件热斑图像检测方法研究

热斑效应是造成光伏组件损坏的主要原因之一,为提早发现光伏组件热斑效应,利用机器学习算法优化设计光伏组件热斑图像检测方法。根据光伏组件的工作原理以及热斑的产生机理,设置光伏组件热斑图像检测标准。采用红外成像的方式采集光伏组件热斑图像,通过颜色空间转换、滤波去噪、背景干扰去除和图像增强等步骤,实现初始图像的预处理,利用机器学习中的卷积神经网络算法,从轮廓和颜色两个方面提取热斑图像特征,根据特征匹配结果得出光伏组件热斑图像的检测结果。通过性能测试实验得出结论:与传统检测方法相比,优化设计方法的漏检率和误检率明显更低,且光伏组件热斑面积检测误差较低。     

机器学习算法在中医诊疗中的研究综述

机器学习算法包括传统机器学习算法和深度学习算法。传统机器学习算法在中医诊疗领域中的应用研究较多,为探究中医辩证规律提供了参考,也为中医诊疗过程的客观化提供了依据。与此同时,随着其在多个领域不断取得成功,深度学习算法在中医诊疗中的价值越来越多地得到业界的重视。通过对中医诊疗领域中使用到的传统机器学习算法与深度学习算法进行述评,总结了两类算法在中医领域中的研究与应用现状,分析了两类算法的特点以及对中医的应用价值,以期为机器学习算法在中医诊疗领域的进一步研究提供参考。