暂无评论
为了确定可信度量中的属性权重,提出一种新的软件属性权重的分配方法。对软件属性模型进行分层划分属性,引入软件属性互相影响的概念,结合基于属性相互影响和属性重要性的权重分配方法,从两个层次对属性的权重进行
一种改进的Otsu算法研究,李冰玉,彭利标,Otsu(最大类间方差)算法的一些优秀性质使得它在许多不同的图像分割系统中得到非常广泛的应用,该算法运算量不大,在一定条件下�
一种改进的蝙蝠算法研究,李雅梅,曹益华,蝙蝠算法( BA)是一类新型的搜索全局最优解的随机优化算法,针对这些问题标准的编蝠算法存在着寻优精度不高、后期收敛速度慢、易陷入
本文根据检索结果聚类特点进行语义特征信息抽取来辅助聚类过程。着眼 于深度挖掘文本之间语义联系,提出基于语义空间转换方法的类别标签自动发 现算法。针对检索结果聚类的实用特性,力图保持检索结果聚类的时效性
同时定位与建图是移动机器人实现真正自治的必要前提,FastSLAM作为一种成功的SLAM方法受到研究者的广泛青睐,FastSLAM将SLAM问题分为一个定位问题和一个建图问题,其中用扩展卡尔曼滤波器(
一种改进的Apriori算法,刘军,吴誉,关联规则挖掘是指从一个大型的数据库中发现有趣的关联或相关关系,即从数据集中识别出频繁项集,然后利用这些频繁项集创建描述关
一种改进的LLGC算法,张晓丽,王雪松,局部与全局一致性(LLGC)算法虽然可以对样本进行有效的标注,但是对于个别的噪声数据却无能为力,因为该算法最终为每个未标注样本都
提出了一种新的动态模糊自组织神经网络模型(TGFCM),并将其用于文本聚类中。针对传统模糊自组织神经网络需要预先确定聚类数的问题,TGFCM采用了可自动确定聚类数的动态自组织神经网络(TGSOM)的结
由于一个类别在层次树上可能存在多个镜像,基于层次树来进行分类可能会导致不一致性。一种自然的解决方法是采用图结构来描述类别关系,在现实生活中人们实际的描述方式也是如此。鉴于此,提出了一种直接基于图的层次
针对基于词袋的机器学习文本分类方法所存在的高维度、高稀疏性、不能识别同义词、语义信息缺失等问题,和基于规则模式的文本分类所存在的虽然准确率较高但鲁棒性较差的问题,提出了一种采用词汇—语义规则模式从金融
暂无评论