排序方式: 共有10条查询结果,搜索用时 9 毫秒
1
1.
基于规则的大规模试卷文本语块识别方法的研究* 总被引:2,自引:0,他引:2
提出了一种基于规则的试卷文本语块识别方法,有效解决了试题库中大规模试题数据的初始化问题。通过定义文本语块识别规则,构建自动机识别模型,在理论上描述了试卷文本的识别过程。实验表明,该模型具有良好的性能,在此基础上,实现了一个原型系统,通过具体的应用实例验证了该方法的可行性和有效性。 相似文献
2.
研究了几组可能度公式之间的关系,提出一种基于可能度矩阵的区间型多属性决策(MADM)方法。对决策矩阵中各指标下的属性区间值两两比较并建立各指标的可能度矩阵,通过各个可能度矩阵的排序向量把属性值为区间数的决策矩阵转化为以精确数为测度的矩阵,把求解区间型多属性决策中指标权重的不确定性问题转化为确定性问题处理,随后利用区间数排序的可能度法获得最优方案。实验结果表明了所提方法的可行性和有效性。最后对多属性决策问题中由不确定性转化为确定性的求解策略及其可能产生的问题作了必要讨论。 相似文献
3.
提出了一种基于改进Hamming-Hausdorff距离的区间直觉模糊知识测度(interval-valued intuitionistic fuzzy knowledge measure,IVIFKM),并应用于图像阈值分割中,获得了更好的图像分割结果.最新研究成果表明,直觉模糊环境下的知识度量包括两个重要方面,即信息量与信息清晰度.基于这种理解,提出新的区间直觉模糊知识测度公理系统.同时,改进并推广标准Hamming-Hausdorff距离,结合理想解法(technique for order preference by similarity to ideal solution,TOPSIS),建立新的满足所提公理系统要求的区间直觉模糊知识测度.随后,将所提测度模型应用于图像阈值分割中,并根据区间直觉模糊集自身结构特点,进一步提出一种精炼而高效的像素分类规则及图像区间直觉模糊化算法.最后,利用所提测度模型计算图像的区间直觉模糊知识量,确定最佳分割阈值,实现图像分割.实验结果表明,该基于知识驱动的图像阈值分割方法性能表现稳定、可靠,所生成的二值图具有更加优良的性能指标,明显优于其他同类算法.将知识测度新理论引入图像处理领域,为该理论在其他相关领域的潜在应用提供了实例. 相似文献
4.
对有限状态机(FA)的最小化理论进行了研究,提出了原机器M与其最小机器M′之间还存在一种更近的关系,即同余关系。为机器M与M′构造相关的代数系统,证明了两者之间存在同余关系。实验表明,同余关系对简化系统描述具有重要意义,为揭示原系统与约简系统之间蕴涵的更为深刻的内在关系提供了必要的理论基础。 相似文献
5.
6.
文中讨论了奥氏体不锈钢焊接技术,通过0Cr18Ni9(δ=3mm)手工钨极氩弧焊和电弧焊焊接之间的工艺及性能对比(均采取单面焊两面成形),介绍了薄板手工钨极氩弧焊焊接工艺的优点,为不锈铜材料焊接提供了一种很好的焊接技术。 相似文献
7.
针对聚类算法中特征数据对聚类中心贡献的差异性及算法对初始聚类中心的敏感性等问题,提出一种基于知识量加权的直觉模糊均值聚类方法。首先将原始数据集直觉模糊化并改进最新的直觉模糊知识测度计算知识量,据此实现数据集特征加权,再利用核空间密度与核距离初始化聚类中心,以提高高维特征数据集的计算精度与聚类效率,最后基于类间样本距离与最小知识量原理建立聚类优化模型,得到最优迭代算法。基于UCI人工数据集的实验结果表明,所提方法较大程度地提高了聚类的准确性与迭代效率,分类正确率及执行效率分别平均提高了10.63%和31.75%,且具有良好的普适性和稳定性。该方法首次将知识测度新理论引入模糊聚类并取得优良效果,为该理论在其他相关领域的潜在应用开创了新例。 相似文献
8.
以TCP/IP为例介绍了网络协议栈内部通信的传统实现方式,由此提出了栈内各协议层间通信的一种新的实现方式,即非阻塞Callback方式;介绍并讨论了它的基本思想、实现方案、服务原语和其他相关问题,如计时器、内存管理、死锁等;最后说明了它的局限性和应用领域,以及未来的研究目标。 相似文献
9.
针对主成分分析(PCA)在非线性特征的观测变量中应用的局限作用,对PCA进行了理论研究。基于欧氏空间和统计方法,讨论了PCA的数学本质,以变量高度多重相关为例,分析了非线性系统结构,提出并证明了PCA在克服变量多重相关性和多指标系统评估中存在局限性的必然原因。针对一些具体的非线性问题,提出了若干改进的PCA方法,以及消除其局限性的方法和建议。 相似文献
10.
提出一种新颖精巧的用户期望值提取模型,据此建立基于用户偏好的个性化模糊量词.首先给定一组多属性样本信息,仅要求用户根据自己的态度偏好或主观评判,提供一个关于样本方案的优劣排序.根据这个排序序列,基于有序加权平均(ordered weighted averaging, OWA)思想并利用理想解法(technique for order preference by similarity to ideal solution, TOPSIS)方法,构造用户期望值提取模型,获取用户关于样本信息的期望值,再从中抽取偏好、态度等个性特征信息,建立针对此用户的个性化量词.最后利用所得量词对新产品进行OWA数据集成,实现个性化产品推荐.案例研究及实验分析表明,所提模型及方法能够很好地捕获并反映主体的偏好及态度等个性特征,在实际应用中可面向不同层次水平、不同知识结构的用户,理性快捷地向其推荐相应态度偏好下的“最满意方案”而非一般意义下的“最优方案”,相比同类方法具有更大的实用性和灵活性. 相似文献
1