排序方式: 共有39条查询结果,搜索用时 15 毫秒
1.
数据流分析是编译系统中的一个重要的内容,也是程序静态分析的一个方面。论文按程序执行路径对数据流分析问题进行分类,这有利于建立数据流分析的统一的描述模型,并以此为基础论述了数据流分析框架与数据流分析的内在联系,这为并发程序的数据流分析奠定了良好的基础。 相似文献
2.
3.
基于集成深度学习的时间序列预测模型 总被引:1,自引:1,他引:0
基于高斯过程的条件受限玻尔兹曼机(GCRBM)时序模型可以很好的预测单一种类时序数据,但是该模型难以预测多类别的真实高维数据。针对这个问题,提出基于集成深度学习的时间序列预测模型,对多类时序对应训练多个深可信网络(deep belief networks, DBN)模型来学习低维特征,利用低维特征对应训练多个GCRBM时序模型。预测时序时先通过训练出的一组DBN模型对目标数据进行降维并通过重建误差识别类别,然后通过识别到的类别所对应的GCRBM模型预测目标数据的后期时序。在CASIA-A步态数据集上的试验结果表明:本方法能够准确识别出步态序列,而且预测结果能够模拟出真实的步态序列,证实了本模型的有效性。 相似文献
4.
采用聚合物包覆热分解法化学工艺制备了纳米氧化锌,对其工艺进行系统的比较研究,对所得粉体进行XRD与SEM表征。发现利用该工艺所得粉体为六方晶系纤锌矿结构(空间群为P63mc)的纳米氧化锌。该方法制备的氧化锌衍射峰尖锐,表明此种方法合成的氧化锌结晶程度高。所得的氧化锌粉体XRD图谱中没有杂质衍射峰,说明产物纯度都很高。产品SEM表征结果显示了此工艺产物在形貌方面的高度一致性——为菊花状氧化锌纳米杆团簇,对产物形貌形成的原因做了探讨。 相似文献
5.
6.
7.
基于测地线距离的广义高斯型Laplacian 特征映射 总被引:6,自引:0,他引:6
传统的Laplacian 特征映射是基于欧氏距离的近邻数据点的保持,近邻的高维数据点映射到内在低维空间后仍为近邻点,高维数据点的近邻选取最终将影响全局低维坐标.将测地线距离和广义高斯函数融合到传统的Laplacian 特征映射算法中,首先提出了一种基于测地线距离的广义高斯型Laplacian 特征映射算法(geodesicdistance-based generalized Gaussian LE,简称GGLE),该算法在用不同的广义高斯函数度量高维数据点间的相似度时,获得的全局低维坐标呈现出不同的聚类特性;然后,利用这种特性进一步提出了它的集成判别算法,该集成判别算法的主要优点是:近邻参数K 固定,邻接图和测地线距离矩阵都只构造一次.在木纹数据集上的识别实验结果表明,这是一种有效的基于流形的集成判别算法. 相似文献
8.
9.
电视台网站的技术实现 总被引:2,自引:2,他引:0
从电视台网站的技术基础和电视媒体网站的建设两个方面,详细阐述了电视台网站的技术实现。 相似文献
10.
ISO10012:2003《测量管理体系测量过程和测量设备的要求》中8.3.2不合格测量过程规定:计量职能部门或内部审核员通过测量管理体系的内部审核和测量管理体系的定期监视,发现或者怀疑给出不正确测量结果的任何过程,即不合格测量过程应作出适当的标志或记录,并对产生不合格的原因进行纠正或采取必要的纠正措施。 相似文献