基于强化学习的自动驾驶汽车路径规划方法研究综述

路径规划作为自动驾驶的关键技术,具有广阔的应用前景和科研价值。探索解决自动驾驶车辆路径规划问题的方法,着重关注基于强化学习的路径规划方法。在阐述基于常规方法和强化学习方法的路径规划技术的基础上,重点总结了基于强化学习和深度强化学习来解决自动驾驶车辆路径规划问题的算法,并将算法按照基于值和基于策略的方式进行分类,分析各类算法的特点、优缺点及改进措施。最后对基于强化学习的路径规划技术的未来发展方向进行了展望。     

大数据下民航运输路线自动变更系统设计

为了提高民航运输路线规划统计和调度能力,从而指导民航运输路线管理,提出一种基于大数据的民航运输路线规划自动变更系统。采用ZigBee分布式组网信息调度技术进行民航运输路线规划统计大数据提取,结合民航路线组网信息识别和模式调度进行民航运输路线规划统计大数据采样后的关联属性特征提取,采用大数据自适应规划技术进行民航运输路线自动变更的大数据模糊聚类和属性特征识别处理,构建物联网信息管理平台进行民航运输路线自动变更数据的分布式协同调度,在物联网簇中将所有成员节点采集的民航运输路线规划统计数据进行均衡配置,采用关联积分学习方法进行民航运输路线规划统计大数据分类处理,根据分类结果实现对民航运输路线规划的分布式协同调度。在RMS MultiMeter集成信息处理器中实现民航运输路线自动变更系统开发设计。系统测试结果表明,该系统能有效实现民航运输路线自动变更和规划设计,系统的可靠性较高,稳定性较好。     

e-Learning中基于支持向量机的个性化学习资源推送

e-Learning这种能满足个性化、适应性学习要求的重要学习方式,要求能协作感知学习者的学习情况,能依据学习情况自动推送个性化学习资源-将支持向量机这种机器学习方法应用到e-Learning中,并结合e-Learning系统的应用情况,对于学习样本的选取和预处理,以及支持向量机训练算法等进行了应用研究.解决了学习者学习情况评价分类,根据分类结果实现个性化学习资源的主动推送问题.     

关于高校教学资源的自动分类研究

很多高校都有自己大量的优秀的教学资源，并把这些资源存储在相应的服务器上，让学生可以通过学习平台来访问这些优秀资源，达到课余学习的目的。为了便于不同专业的同学能够快速访问所需资源，必须对繁杂的资源进行分类。传统的人工分类难以完成这一工作，利用文本自动分类技术，则可以快速而有效的对资源进行分类，大大节省了分类的时间和成本。     

微操纵系统自动调焦方法的研究

讨论了在微操纵系统中显微成像的自动调焦方法。首先介绍了一些常用的自动调焦方法,然后重点讲述了清晰度法自动调焦原理．对各种清晰度评价函数进行了分类,并通过理论和实验分析比较了在微操纵系统中各种评价函数的性能,最后确定了适合微操纵系统的清晰度评价函数。     

数据、信息和知识三层图谱架构的推荐服务设计

海量的学习资源会引起用户在学习过程中产生认知过载和资源迷航,对数据、信息和知识等形态的资源的原始表述的自然语言的机器理解、自动处理、自动综合和自动分析等成为了巨大的挑战。从应对自动增量式结合经验知识和减少人工专家交互负担等两方面考虑,从资源建模、资源处理、处理优化和资源管理等角度进行研究,基于对现有知识图谱(knowledge graph)概念的拓展提出了一种三层可自动抽象调整的解决架构。该架构借助从数据图谱上以实体综合频度计算为核心的分析到信息图谱和知识图谱上的自适应的自动抽象的资源优化过程支持经验知识引入和高效自动语义分析。该框架借助对应5W(who/when/where,what and how)问题的分类接口衔接用户的学习需求等资源化描述,为用户提供个性化学习服务推荐。     

翻译质量自动评价研究综述

随着机器翻译研究的推进和翻译教学方式的革新,译文质量自动评价问题近年来受到大量关注。为把握翻译质量自动评价的思路、方法,通过对目前研究脉络的梳理,从研究特点角度绘制出了一个树型分类图谱,并对典型算法及其改进思路进行了分析;还对自动评价算法的评测方法、国际机器翻译评测平台和自动评测开放工具等给予了介绍。最后分析了当前研究存在的主要困难和问题,提出了对发展方向的展望。     

基于光谱角分类器遥感影像的自动分类和精度分析研究

遥感影像是地球表面一定区域景观和覆盖的客观记录和形象显示。选择黑河弱水流域作为自动分类的典型研究区,利用该区域的Landsat 7ETM+遥感影像结合地面实况调查数据,寻找土地利用/覆盖类型自动分类的训练样本,运用光谱角分类方法对ETM+图像进行自动分类。通过分类图像与地面真实样本数据对比分析,获得适用于荒漠地表遥感影像自动分类的可行性方法,并且进一步讨论了混淆矩阵计算的分类误差,研究了以Kappa分析为基础的精度评价。     

文本自动分类技术和算法研究综述

文本自动分类技术是面向Internet搜索引擎的重要研究方向和关键技术.它是指在给定的分类体系下,根据文本的内容自动确定文本关联类别的过程.本文总结和跟踪了各种常用和最新的文本分类的技术、算法及其适用范围,对评价与比较分类器性能的定理和方法进行了分析,并简述了独立于算法的机器学习.     

民俗旅游资源管理信息系统的设计与实现

利用先进的webGIS及网络技术对村镇民俗旅游信息进行科学、有效地管理,根据民俗旅游资源的分类方法和评价模型,设计以ArcGIS Sever为GIS平台基于JSF框架MVC模式的WebGIS模型.以该模型为基础,设计一个基于网络用户在线交互操作的村镇民俗旅游资源空间化管理信息系统.本系统实现了村镇民俗旅游资源单体信息采集的自动化、管理的网络化与查询、统计、分析、规划的可视化.本文对系统的需求分析、体系结构、数据库建设及功能实现进行了详细的探讨.     

基于FIFA算法的文本分类

本文提出了一种简单有效的文本分类方法,其中采用基于FIFA算法的内容主题分析技术,实现文本的自动分类过程。文中详细论述了文本自动分类的基本过程和FIFA算法描述,最后给出了文本自动分类的实验结果和评价。     

TM数据在桔果经济林区土地利用分类和专题信息提取中的应用

利用TM—CCT数据,对位于浙江省黄岩市境内256×256像元的试验区进行了土地利用自动分类和桔资源专题信息提取的研究。采用改进的动态聚类法和最小距离法,把非监督分类和监督分类有机地结合起来,获得了较高精度的土地利用分类图。在此基础上,运用阈值最小距离法和均值—均方差窗口法成功地实现了桔林资源的专题信息提取,精度达95.3％。从而为亚热带经济资源及其动态变化的快速检测提供了有效的新手段。     

基于特征相关性的汉语文本自动分类模型的研究

本文提出一种基于预定义类别与文本特征之间相关性的自动分类算法，并在文中详细阐述了汉语文本自动分类模型的设计与实现过程。为测试分类模型实现性能，建立具有１２类别的分类体系，并构造包含近５００篇汉语新闻语料的测试集。实验结果表明，评价自动分类算法的两个重要指标：查全率和查准率，都比较令人满意。     

基于预处理的Web资源质量评价

Web资源质量即将成为网络资源泛滥时代热门的话题。主要以提升资源的预见性、改善资源组织机制为目标,提出一种补偿式资源质量评价方法,对庞大杂乱的资源进行有机地分析、评价和分离。最终系统将资源的质量特征与特征提取算法和分类算法等进行有机融合,以减少预处理、分类过程中各种匹配带来的无谓开销,最大限度的提高过程的效率和质量。     

基于语义相似度计算的词汇语义自动分类系统

词汇语义分类在文本聚类、信息检索、机器翻译等多个研究领域中拥有重要的理论及实践意义.介绍的知网语义相似度计算的词汇语义自动分类系统通过设计双向索引结构.高效的组织和挖掘了知网已有数据资源,并利用成熟的知网词语相似度计算方法,为词汇语义自动分类提供了不同于统计方法的新思路.目前系统的研究已取得实质性成果.在知网义原1564个分类的基础上,对知网提供的6万余条汉语常用词进行初步语义分类,进而开发了二次分类模块,针对初步分类结果进一步细化为适合实际需要的子类.实验结果证明该系统在分类性能上明显优于基于统计方法的分类系统,所作分类更加细腻、平滑.     

带模糊参数的战时紧缺资源调度模型

研究了带模糊参数的战时紧缺资源调度问题。构建需求点优先度评价指标体系,提出了基于层次聚类的需求点分类及排序方法。建立并求解战时紧缺资源调度的多目标模糊规划模型,依据及时更新的战场信息依次实现各类需求点的资源动态调度。通过仿真实例中两类调度方案的对比,表明了分类调度方案的可行性和优越性。     

利用双主题表征的涉案微博评价对象识别方法

微博评价对象识别是涉案网络舆情分析的基础. 目前基于主题表征的评价对象识别方法需要预设固定的主题数目, 且最终评价对象识别依赖人工推断. 针对此问题, 提出一种弱监督涉案微博评价对象识别方法, 仅采用少量标签评论即可实现对评价对象的自动识别. 具体实现思路为: 首先基于变分双主题表征网络对评论进行两次编码和重构, 获得丰富的主题特征; 然后, 利用少量标签评论, 引导主题表征网络自动判别评价对象类别; 最后采用联合训练策略, 对双主题表征的重构损失与评价对象分类损失进行联合调优, 最终实现对评价对象的自动分类和评价对象词项的挖掘. 在涉案舆情的两个数据集上进行了实验, 结果表明, 所提出的模型在评价对象分类、评价对象词项的主题连贯性和多样性等方面均优于几个基线模型.     

云制造环境下基于SVM的加工设备资源分类研究

云制造资源的有效分类是资源服务化封装及后续制造资源服务检索的前提条件,针对高维度特征、多类别加工设备资源的分类问题。依据描述云制造加工设备资源属性特征的XML文档,提取资源属性特征并进行向量化处理。基于SVM算法建立制造资源自动分类预测算法模型,引入SMO算法提升SVM分类算法的分类效率,并利用网格搜索寻求SVM算法的最优参数从而优化SVM算法效果。最后基于某设备资源集的原始设备信息对不同加工设备进行分类实验,验证了该分类模型的有效性以及可行性。     

一种基于RBF神经网络的XML文本分类方法

为了快速有效地组织和分析海量的XML文本信息,XML文本的自动分类必不可少.文中提出了一种基于RBF神经网络的分类方法,并运用改进型的CHI统计量方法进行特征提取,对传统的加权公式进行了一些改进,再运用资源优化神经网络(RON)进行训练,做了必要的实验分析.实验结果表明该分离器有较高的分类质量,提高了分类的效率,有较高的分类准确性,满足了XML文本自动分类的要求.     

自动术语抽取研究综述

自动术语抽取是从文本集合中自动抽取领域相关的词或短语，是本体构建、文本摘要、知识图谱等领域的关键基础问题和研究热点.特别是，随着近年来对非结构化文本大数据研究的兴起，使得自动术语抽取技术进一步得到学者的广泛关注，取得了较为丰富的研究成果.本文以术语排序算法为主线，对自动术语抽取方法的理论、技术、现状及优缺点进行研究综述：首先概述了自动术语抽取问题的形式化定义和解决框架.然后围绕“浅层语言分析”中基础语言信息和关系结构信息两个层面的特征对近年来国内外的研究成果进行分类，系统总结了现有自动术语抽取方法的研究进展和面临的挑战.最后对术语抽取使用的数据资源及实验评价进行分析，并对自动术语抽取未来可能的研究趋势进行了探讨与展望.