搜索结果: 151-165 共查到“知识库 人工智能理论”相关记录923条 . 查询时间(3.525 秒)
特征向量的归一化比较性研究
归一化 特征向量 参数优化
2009/9/30
特征提取和分类器的参数优化是提高分类准确率的主要途径，对公用数据库UCI的相关数据进行特征向量的归一化处理，采用KNN、PNN和SVM进行分类。讨论了特征归一化对分类准确率和分类器参数的影响。实验结果表明：归一化能有效提高分类器的分类准确率，SVM尤为明显，且参数的寻优范围缩小，缩短训练周期。
新型快速中文文本分类器的设计与实现
中文文本分类 特征选择 特征权重
2009/9/30
为了提高中文文本分类的效率与精度，设计了一种新型的分类器。该分类器采用基于词频、互信息和类别信息的综合评估函数进行选择特征；在特征权重计算上，由于传统TF-IDF方法没有考虑特征类间和类内分布，提出了一种将词频和综合评估函数值相结合的权重计算方法；最后设计了一种基于贝叶斯原理的快速分类器。实验证明该分类器简单有效。
有遮挡三维草图的标注完备集
三维草图理解 语义描述 线型标注
2009/9/30
线型标注是三维草图语义描述的基本方法。已有工作大都应用三维实体精确投影图所产生的标号集来标注规整后的草图，没有实现真正意义上的三维草图标注。研究积木世界三维草图的标注问题，提出了一个有遮挡三维草图标注的标号集，并证明了其完备性。该标号集能够直接标注草图而无需对草图进行规整，从而实现了真正意义上的三维草图标注，为三维草图语义描述提供了一种新思路。
知识粗糙性和条件信息熵的关系
知识粗糙性 信息熵 条件信息熵
2009/9/29
目前，粗糙集理论存在着两种观点，它们分别是代数观和信息观。在代数观点中，知识粗糙性体现了知识的粒度；而在信息观中，定义了知识的信息熵和条件信息熵。已经有定理证明了信息熵与知识的粗糙性存在对应关系，它建立了代数观和信息观之间的联系，但是这种关系却不是一一对应的。该文通过重新证明知识粗糙性和信息熵的对应关系定理，找到与知识粗糙性存在一一对应关系的是条件信息熵，并给出相关定理及其证明。
线性时变广义系统的能控性与能观性问题
时变系统 广义系统 能控性
2009/9/28
讨论了线性时变系统和线性时变广义系统的两个基本问题, 得到了两种判定时变系统能控性与能观性的必要条件, 该判定条件只依赖于系统矩阵A(t)和输入矩阵B(t), 不必计算系统的系统状态转移矩阵, 使得判别时变系统能控性与能观性易于实现. 说明了本文结论是线性定常系统相应结论的自然扩展. 对进一步深入研究时变系统和时变广义系统具有实际启发作用.
优势关系下不协调目标信息系统的上近似约简
粗糙集 信息系统 上近似约简
2009/9/27
针对基于优势关系下不协调目标信息系统中属性约简的复杂问题，提出基于优势关系下不协调目标信息系统上近似约简的概念，得到上近似约简的判定定理以及辨识矩阵，建立不协调目标信息系统的上近似约简的具体方法，同时通过实例验证该方法的有效性，从而为优势关系下信息系统的知识发现提供理论基础。
多重核线性判别分析及其权值优化
多重核 核线性判别分析 最大边缘准则
2009/9/25
为了提高非线性分类精度，借鉴在支持向量机(SVM)框架下发展起来的多重核学习方法，针对基于核的线性判别分析(KLDA)构造多重核。进而，使用拉格朗日乘子法优化最大边缘准则(MMC)，提出了多重核权值优化算法。在FERET和CMU PIE人脸图像库上的实验表明，与基于单个核的LDA相比，多重核线性判别分析能够达到更高的分类性能。
混合粒子群算法优化分数阶PID控制参数研究
分数阶PID控制器 粒子群算法 细菌觅食算法
2009/9/25
分数阶比例—积分—微分(PID)控制器是一种把PID控制器的整数阶次推广到分数的比例、积分、微分控制器，它比传统的PID控制器更能精确地控制复杂的被控系统。而参数的取值对控制效果的好坏起着决定性作用，为此提出了一种混合粒子群算法BFA-PSO优化参数值。该算法将具有趋化、繁殖和驱散特点的细菌觅食算法和参数少，易于优化的粒子群算法相结合来计算出精确的分数阶PID控制器的参数值。通过对传统PID控制器...
本体映射中一种改进的概念相似度计算方法
本体 映射 相似度
2009/9/21
本体映射是实现不同本体之间共享和交流的基础性工作。目前本体映射方法研究的重点主要集中在以自动化或半自动化方式实现映射和提高概念相似度计算的精度。本体映射的关键是不同本体概念间相似度的计算，单一的概念相似度计算方法往往不利于提高相似度的精度。针对以上不足提出了一种改进的概念相似度计算方法，并对其进行详细的描述，其中属性语义相似度计算方法改进了现有的基于属性计算语义相似度的方法，综合了数据类型属性和对...
不完备信息系统中集对粗糙集模型
不完备信息系统 集对分析 粗糙集
2009/9/21
粗糙集理论在数据挖掘中的成功应用已成为近来人工智能领域研究的热点，人们将经典粗糙集中的等价关系放宽后使粗糙集理论的运用更加广泛，但在不完备信息系统中的运用仍受到限制。在已有的集对粗糙集模型的基础上，提出了针对不完备系统更加有效的集对粗糙集模型，通过实例说明了这种模型的可行性和有效性，使粗糙集模型在一定程度上得到了推广。
广义粗糙集理论及实值属性约简
数据挖掘 广义粗糙集理论 广义重要度
2009/9/21
针对经典粗糙集理论仅能处理离散化数据的局限性，提出属性和属性子集的广义重要度的概念以及空间中的广义近邻关系，并提出了广义近邻关系下的广义粗糙集扩展模型。广义粗糙集理论利用广义近邻关系在全局中划分相容模块，构成集合的下、上近似集，避免了经典粗糙集理论必须量化数据的麻烦。另外，提出了广义粗糙集的实值属性约简的一种贪心算法，并分析了约简属性集合的质量。最后通过实例验证了所提方法的正确性和有效性。
基于(tx, fx)扩展的Vague集之间的相似度量及其应用
Vague集 三维表示 模糊集运算
2009/9/21
基于Vague值的三维表示，(tx, fx)扩展和模糊集运算，给出Vague集间的相似度量的三个系列公式。提出Vague集间的相似度量在网络信息过滤问题中的应用思路及例子。此例表明这些新公式是实用的。
基于Boosting算法集成遗传模糊分类器的文本分类
模糊分类 特征选择 潜在语义索引
2009/9/21
提出一种新颖的基于Boosting模糊分类的文本分类方法。首先采用潜在语义索引(LSI)对文本特征进行选择；然后提出Boosting算法集成模糊分类器学习，在每轮迭代训练过程中，算法通过调整训练样本的分布，利用遗传算法产生分类规则。减少分类规则能够正确分类样本的权值，使得新产生的分类规则重点考虑难于分类的样本。实验结果表明，该文本分类算法具有良好分类的性能。
基于不确定性人工智能的概念软与方法
人工智能 云模型 软与
2009/9/21
基于概念“软与”操作在不确定性人工智能云模型中的重要性，提出了两种概念“软与”的新方法，分别为投影映射法与神经网络“软与”法。前者将云模型产生的云滴投影到新论域中，再通过多维X条件云发生器机制获取“软与”结果；后者通过基于案例推理方法与神经网络相结合，经过神经网络的训练学习，最终预测出云概念的“软与”确定度。算例分析表明，两者能对概念进行客观地“软与”操作，为概念“软与”操作提供了固定有效的方法。