排序方式: 共有39条查询结果,搜索用时 31 毫秒
1.
软件体系结构的使用是提高软件质量、减少软件开销和促进软件生产率提高的最有效方法之一,面向Agent技术的提出为复杂分布式问题的求解找到了办法.分析了软件体系结构和软件Agent技术的主要内容,提出基于Agent的软件体系结构,阐明了基于Agent的软件体系结构的总体结构及其在大型软件开发中的应用. 相似文献
2.
计算机体系结构与软件体系结构 总被引:4,自引:0,他引:4
科学合理的软件体系结构是开发一个成功应用系统的必要条件 ,对于提高系统的开发效率和质量具有非常重要的意义。文中从计算机体系结构的一些重要概念引出软件体系结构的重要概念 ,并描述了两者之间的关系 ,最后指明软件体系结构的主要研究方向。 相似文献
3.
基于语义的Web信息检索 总被引:5,自引:0,他引:5
语义万维网的研究逐渐引起了知识表示、逻辑编程、信息系统集成和开发等各个领域的广泛关注。文中概述了语义万维网的概念、技术框架,并且对含有自由文本和丰富语义标记的网络文档资源的三种语义检索系统原型进行了深入分析。最后,提出了设计Web语义检索系统应该满足的条件,可以基于它来设计语义检索系统框架。 相似文献
4.
将正则化极限学习机或者核极限学习机理论应用到多标记分类中,一定程度上提高了算法的稳定性。但目前这些算法关于损失函数添加的正则项都基于L2正则,导致模型缺乏稀疏性表达。同时,弹性网络正则化既保证模型鲁棒性且兼具模型稀疏化学习,但结合弹性网络的极限学习机如何解决多标记问题鲜有研究。基于此,本文提出一种对核极限学习机添加弹性网络正则化的多标记学习算法。首先,对多标记数据特征空间使用径向基核函数映射;随后,对核极限学习机损失函数施加弹性网络正则项;最后,采用坐标下降法迭代求解输出权值以得到最终预测标记。通过对比试验和统计分析表明,提出的算法具有更好的性能表现。 相似文献
5.
标记分布是一种新的学习范式,现有算法大多数直接使用条件概率建立参数模型,未充分考虑样本之间的相关性,导致计算复杂度增大。基于此,引入谱聚类算法,通过样本之间相似性关系将聚类问题转化为图的全局最优划分问题,进而提出一种结合谱聚类的标记分布学习算法(label distribution learning with spectral clustering,SC-LDL)。首先,计算样本相似度矩阵;然后,对矩阵进行拉普拉斯变换,构造特征向量空间;最后,通过K-means算法对数据进行聚类建立参数模型,预测未知样本的标记分布。与现有算法在多个数据集上的实验表明,本算法优于多个对比算法,统计假设检验进一步说明算法的有效性和优越性。 相似文献
6.
7.
标记分布学习作为一种新的学习范式,利用最大熵模型构造的专用化算法能够很好地解决某些标记多样性问题,但是计算量巨大。基于此,引入运行速度快、稳定性更高的核极限学习机模型,提出基于核极限学习机的标记分布学习算法(KELM-LDL)。首先在极限学习机算法中通过RBF核函数将特征映射到高维空间,然后对原标记空间建立KELM回归模型求得输出权值,最后通过模型计算预测未知样本的标记分布。与现有算法在各领域不同规模数据集的实验表明,实验结果均优于多个对比算法,统计假设检验进一步说明KELM-LDL算法的有效性和稳定性。 相似文献
8.
标记分布学习中示例由多个不同重要程度的标记共同标注,而在已有的标记分布学习算法中,大部分均在完备数据集下进行,未考虑数据噪声干扰。针对这一问题,结合自编码器的降噪特性和核极限学习机的稳定性,提出一种基于核极限学习机自编码器的标记分布学习算法。使用核极限学习机自编码器对原始特征空间映射,得到更具鲁棒性的特征表达,构造适应标记分布学习的极限学习机模型作为分类器以提升分类效率及性能。试验结果表明,本文算法较其他对比算法具有一定优势,使用假设检验方法进一步说明所提算法的有效性。 相似文献
9.
10.
基于本体的PIM到PSM模型变换方法的研究 总被引:1,自引:0,他引:1
首先研究了MDA和本体技术.指出应用UML描述本体的好处;为实现PIM到PSM的模型自动变换.提出了基于本体的模型变换方法,并设计了该模型变换方法的框架。该方法用本体实现语义层的模型变换.提高了模型自动变换的效率和MDA技术的应用。 相似文献