一种有效的深网入口识别方法

深网入口自动识别是深网数据集成的前提和基础。由于表单在设计上具有较大的随意性,使得深网入口缺 乏统一的构建标准,难以利用确定性的规则对其进行判断。首先基于统计特征,抽取了部分表单属性作为深网入口与 非深网入口的可区分特征,在此基础上,提出了一种利用神经网络进行深网入口自动识别的方法。不同于基于规则的 判断方法,神经网络是被训练的,不需要任何先验知识,这种特性使其非常适合于对具有复杂表现形式的深网入口进 行判定。实验结果表明了该方法的有效性。     

基于领域知识抽样的深网资源采集方法

深网资源是指隐藏在HTML表单后端的Web数据库资源,这些资源主要通过表单查询的方式访问。然而,目前的网页采集技术由于采用页面超链接的方式采集资源,所以无法有效覆盖这些资源,为此,该文提出了一种基于领域知识抽样的深网资源采集方法,该方法首先利用开源目录服务创建领域属性集合,接着基于置信度函数对属性进行赋值,然后利用领域属性集合选择查询接口并生成查询接口赋值集合,最后基于贪心选择策略选择置信度最高的查询接口赋值生成查询实例进行深网采集。实验表明,该方法能够有效地实现深网资源的采集。     

深层网中基于入口查询的表单填充策略

针对深层网中数据量大导致无法被传统搜索引擎索引的问题,在提取网页中,改进启发式规则识别表单查询入口,在表单标签与内容匹配时,改进基于语义的相似度匹配算法进行表单内容填充。实验结果表明,提取表单标签的准确率达到94.23%,匹配成功率达到88.83%,填充成功率达到95.43%。     

深层网中基于入口查询的袁单填充策略

针对深层网中数据量大导致无法被传统搜索引擎索引的问题,在提取网页中,改进启发式规则识别表单查询入口,在表单标签与内容匹配时,改进基于语义的相似度匹配算法进行表单内容填充。实验结果表明,提取表单标签的准确率达到9423％,匹配成功率达到88．83％,填充成功率达到95．43％。     

基于知识的车徽识别方法

车徽识别是车辆自动识别技术一个新的研究方向,它对智能交通中车辆识别技术的完善和发展具有重要的理论意义与应用价值.对多种车徽进行了研究,提出了一种基于知识的车徽识别方法.该方法以专家系统理论为理论基础,用车徽的间隙数、轮廓特征、神经网络权值以及车徽识别的规则来建立知识库,利用推理机进行车徽的识别.实验结果证明,该方法识别速度快.识别率高.     

形态特征及神经网络在木材横纹压缩中的应用研究*

形态特征描述与细胞自动识别分类是木材横纹压缩微观构造变异研究的重要步骤。通过运用Freeman链码实现木材细胞形态特征的定量分析,这些特征量的提取为从微观角度分析横纹压缩过程中木材产生的强度变化提供了重要的理论依据。同时在此基础上,基于神经网络对信息处理的自组织、自学习功能,采用前馈BP网对木材细胞进行了自动识别分析,通过实验分析,研究中建立的神经网络具有良好的鲁棒性和细胞识别能力。     

抑郁症复杂脑网络社团结构差异分析及分类研究

为比较抑郁症脑网络结构差异及实现患者自动识别,提出了基于功能脑网络社团结构特征的机器学习方法.利用静息态功能磁共振影像数据构建功能脑网络,利用基于“堆结构”的贪婪算法进行社团划分,从脑网络模块结构的角度分析正常人和抑郁症患者的差异,并将脑网络的模块指标用于机器学习方法.利用统计显著性为阈值以筛选特征,以判断不同特征数目对分类模型的性能影响.实验结果表明,神经网络算法在28个特征下(P＜0.05),分类正确率最高达90.50％.     

Deep Web入口探测与分类方法研究

传统的使用语料库对入口标签字符串进行匹配的方法受限于语料库的完整性和匹配算法的灵活性。为突破这种局限,引入了基于表单元件统计特征的Deep Web入口探测方法和使用文本分类方法对其进行分类的双层分类模型,并提出了两种特征权重计算方法用于特征选取。在TEL-8 Query Interfaces数据集上,测试结果体现了双层分类模型的优越性和特征向量维归约的必要性。     

基于BP神经网络的指纹识别

本文深研究了基于BP神经网络的指纹识别。对采集到的指纹图像进行预处理,消除假的特征点,利用指纹图像的脊线端点和分叉点作为最终特征点,提取其特征点坐标和方向作为神经网络的特征输入向量,实验证明该方法具有较好的实验效果。     

基于模糊神经网络的水淹层自动识别

针对油田水淹层识别存在的模糊性和多解性,提出了一种基于模糊神经网络的水淹层自动识别方法。该方法将神经网络技术所具有的高度自适应性、容错性及固有的并行处理能力与模糊逻辑所具有的模拟人类思维中的模糊综合判别特点有机地结合,实现了多因素模糊综合判断推理来完成水淹层自动识别。采用该方法,对大庆油田135个地层样本进行处理,符合率达87．6％。结果表明该方法对解决水淹层自动识别问题具有良好的适应性,可提高水淹层自动识别的精度。