论文研究基于图的半指导学习方法的数学建模和理论研究 .pdf

在基于半自治agent的系统中应用profit-sharing增强学习方法，并与基于动态规划的Q-learning增强学习方法进行比较，在不确定因素较多的动态环境中，当系统状态变化不是一个马尔科夫过程

基于实例的机器学习方法研究，王玉山，，本文首先介绍了机器学习系统的基本结构，主要分析研究了基于实例的机器学习原理和特点，探讨了距离函数、有效寻找最近邻等机器学

Ontology理论研究和应用建模，知识图谱构建中的本体理论

Boosting方法的理论研究，CCF优博论文，值得拥有

本体论简介不错的资源欢迎下载真的要20字么。。

提出一种基于图的半指导学习算法用于网页分类。采用k近邻算法构建一个带权图，图中节点为已标志或未标志的网页，连接边的权重表示类的传播概率，将网页分类问题形式化为图中类的概率传播。为有效利用图中未标志节点

边界扫描技术是符合IEEE规范的一种测试方法，JTAG设计的实现降低了测试的复杂度、提高了质量及缩短面市时问。适合进行超大规模集成电路的 测试。同时，JTAG以采用更小的体积而提供更强的功能的优势

针对极限学习机（ELM）未充分利用未标注样本、训练精度受网络权值初值影响的问题，提出一种基于协同训练与差分进化的改进ELM算法（Tri-DE-ELM）。考虑到传统的ELM模式分类技术只利用了少量标注样

针对传统的分类器集成的每次迭代通常是将单个最优个体分类器集成到强分类器中，而其他可能有辅助作用的个体分类器被简单抛弃的问题，提出了一种基于Boosting框架的非稀疏多核学习方法MKL-Boost。利

针对人脸识别应用中的线性局部切空间排列算法（LLTSA）不能有效利用样本标签信息的问题，提出了一种线性局部切空间排列的标签传播半监督算法（SSLLTSA）。该算法利用标签传播的方法从带有部分标签的样本