排序方式: 共有12条查询结果,搜索用时 15 毫秒
1.
Web日志挖掘就是通过一定的方法分析Web日志数据,发现用户的访问习惯,帮助管理人员改进Web站点的性能和结构,提高用户获取知识的质量和速度.笔者首先在Web日志挖掘的背景下分析了模糊C均值聚类算法的缺陷,针对其的不足,在粗糙集理论的支持下,介绍属性信息量的概念,并通过计算待聚类对象的属性权值,区分重要性属性和噪音属性... 相似文献
2.
3.
针对鲁棒L1范数非平行近似支持向量机(L1-NPSVM)求解算法无法保证获取可靠解的问题,提出一个新颖的迭代算法来解L1-NPSVM的目标问题。首先,根据L1-NPSVM原目标问题对解具有规模不变性,将其转换为一个等价的带等式约束的最大化问题。该迭代算法在每次迭代中利用更新权机制获取每次迭代的更新解;每次迭代中,问题归结为解两个快速的线性方程问题。从理论上证明了算法的收敛性。在公共UCI数据集上,实验显示,所提算法不仅在分类性能上要远远好于L1-NPSVM,且具有相当的计算优势。 相似文献
4.
随着Internet的普及,Web日志挖掘成为一个新的研究课题。由于Web日志数据的半结构化,为了得到有效的挖掘模式,提高挖掘算法的效率,首先需要对数据预处理。该文详细介绍了Web日志数据预处理的四个步骤:数据清洗,用户识别,会话识别和路径补充,并实现了对某校院网日志记录的预处理,得到了理想的结果。 相似文献
5.
6.
在分析基于UDP的图像传输数据丢失的原因和特点的基础上,发现其特点是图像按行进行传输,因而数据丢失而产生的图像残缺也是按行发生的。基于相邻点间的灰度值关联度较大的原理,提出按列处理数据的方法,对每一列的丢失数据采用预测方法,预测出各行丢失的数据,进而达到修复整幅图像的目的。借鉴灰色预测的思想,提出了对图像按列进行恢复的灰色预测方法,该算法基本满足了图像恢复的要求,并通过实验得到了该算法的适用条件。 相似文献
7.
在分析基于UDP的图像传输数据丢失的原因和特点的基础上,发现其特点是图像按行进行传输,因而数据丢失而产生的图像残缺也是按行发生的.基于相邻点间的灰度值关联度较大的原理,提出按列处理数据的方法,对每一列的丢失数据采用预测方法,预测出各行丢失的数据,进而达到修复整幅图像的目的.借鉴灰色预测的思想,提出了对图像按列进行恢复的灰色预测方法,该算法基本满足了图像恢复的要求,并通过实验得到了该算法的适用条件. 相似文献
8.
针对现有图像修复算法效率低下的问题,提出一种结合颜色向量角和灰度熵的图像修复改进算法.根据颜色向量角能够衡量图像中不同颜色之间的差异特性,算法先构造边缘项来代替Criminisi算法中的数据项,并改进优先级计算方式;然后根据图像局部灰度均值的一维信息熵来度量图像中待修复块周围图像,进而采用局部平均灰度熵确定搜索区域的大小,以减少搜索最佳匹配块的搜索时间.实验结果表明,与Criminisi算法相比无论从速度上还是修复的质量上文中所提算法都占有优势. 相似文献
9.
为解决网络化学习系统中学习者被动学习的问题,构建了基于情景感知的本体网络化学习系统,该系统可根据情景信息合理调度学习服务资源及时反馈给学习者.首先由情景获取模块实时采集情景信息,并构造情景信息模型;然后情景推理模块对情景信息进行推理和分析,构造出关于学习合理性、学习效果等推理规则;最后学习资源的调度模块根据采集值及相应推理规则调用合理的学习资源及时提供给学习者.实例证明,所提出的情景感知的本体网络化学习系统是有效而可行的,提高了学习者的学习效率. 相似文献
10.