搜索结果: 76-90 共查到“知识库 机器翻译”相关记录157条 . 查询时间(5.061 秒)
基于知识库的智能策略翻译技术
知识库 智能 组装 策略翻译
2009/7/30
提出基于知识库的策略翻译方法，设计策略翻译组成结构，分析策略知识及其表示形式，建立动态可扩展的策略知识库，开发可扩展的策略编译器和策略组装器。实例测试表明，该技术实现了策略翻译的智能化，解决了各种设备的策略不能统一管理的问题。
基于Web的种子驱动的“isa”关系的模式表示和获取
关系获取 知识获取 模式学习
2009/7/20
“isa”关系是知识获取中一种基本的语义关系，给出了中文“isa”关系的模式表示和获取方法。提出基于模式特征的种子选取算法和基于特征词的种子驱动的模式学习算法。实验说明了方法的有效性。
基于短语的统计机器翻译中短语抽取算法改进
统计机器翻译 翻译模型 短语抽取
2009/7/17
针对基于短语统计机器翻译中目前常用的Och提出的短语抽取算法，提出了一种改进算法。该算法能够在原有算法的基础上抽取出更多的准确对齐信息，这对语料库较小的汉民统计机器来说意义重大，增加正确的对齐信息可以减少未登录词的产生，提高翻译正确率。经过对不同规模语料库的实验，抽取的短语对数目有明显增多。
基于多本体的语义Web服务发现研究
多本体 语义Web服务 发现
2009/7/17
随着大量Web服务的出现，迫切需要高效的服务发现方法。语义Web服务将Web服务和语义相结合，充分利用语义增强Web服务。现有的语义Web服务发现研究中，大多采用同一本体描述服务需求方和提供方的知识。而现实世界里，很多时候服务需求方和服务提供方采用了不同的本体。针对多本体下的语义Web服务发现问题，给出了一种新的计算不同本体概念相似性的算法，提出了基于多本体的语义Web服务发现方法。实验结果表明了...
一种同调边缘学习算法
同调代数 同调边缘学习算法 边缘学习算法
2009/7/7
面对复杂的数据，边缘问题是其核心问题之一。目前比较成功的算法有SVM最大边缘算法和TVQ算法，这些算法各有优缺点。论文针对目前方法中存在的一些不足，引进同调理论，用同调代数的思想构建了一种同调代数的边缘学习算法，并通过实验和实例进行验证。
一种新的概率支持向量机方法
数据样本 概率支持向量机 概率估计值
2009/7/7
提出一个新的基于样本点概率估计的支持向量机，通过定义相应样本数据点的概率估计值，以及相应的数据样本点到超平面的距离，来形成新的线性和非线性情况下的支持向量机。最后通过实验证明，在数据集的训练上，新的支持向量机比以往传统的支持向量机有更好的分类性能，并且缩短了支持向量机数据样本的训练时间。
基于整体效用和区域约束的Agent意图再考虑研究
TILEWORLD 整体效用 区域约束
2009/7/2
设计运行在动态环境中的BDI Agent时,为它设计一个合适的意图再考虑策略是一个关键问题。进行了当目标较多时,如何利用目标的分布情况来指导Agent的意图再考虑的研究,提出了一定区域内群体目标的整体效用的概念,提出根据整体效用选择区域并对Agent的行为进行区域约束的方法。在TILEWORLD环境下用实验来考察基于该方法的几种策略,给出了一种较优的意图再考虑的策略。
一种基于划分的高效用长项集挖掘算法
高效用长项集 交集事务 划分
2009/6/29
效用（utility）可弥补支持度在表现语义重要性方面的不足。现有的几种基于效用的关联规则挖掘算法都采用了类似Apriori自底向上的搜索方法,不适合长模式的挖掘。提出了一种双向搜索高效用项集的模型及一种基于划分的inter-transaction算法。inter-transaction利用了长事务相交迅速变短的特性和新的减枝策略,能同时输出项集的效用与支持度。实验表明,该方法对蕴含长模式的高维数...
一种基于免疫聚类竞争的关联规则挖掘算法
聚类竞争 克隆选择 数据挖掘
2009/6/29
通过引入聚类竞争机制，提出了一种基于免疫聚类竞争的关联规则挖掘算法。将数据原始记录和候选模式分别作为抗原和识别抗体，通过聚类竞争加速克隆扩增，提高抗体成熟力及亲和性，增强候选模式支持度。实验及应用表明，该算法加快了关联规则挖掘的收敛速度，具有更强的全局与局部搜索能力，提高了所得关联规则的准确率。
一种基于显现模式的基因分类算法
贝叶斯估计 基因分类 基因表达谱
2009/6/29
基于基因表达谱的分类技术对于疾病检测具有十分重要的研究意义。利用显现模式（Emerging Patterns,EPs）的基因分类方法不仅可以识别癌症样本,同时可以挖掘出隐含的与癌症相关的具有生物意义的基因模式,从基因角度揭示癌症病理。针对提取显现模式时在小样本情况下将频率近似于概率的缺陷以及PCL（Prediction by Collective Likelihood）分类器的不足,提出一种基于显...
一种提高支持向量机性能的特征选择新方法
支持向量机 特征选择 分类权
2009/6/29
利用支持向量机进行模式分类时，特征选择是数据预处理的一项重要内容。有效的特征选择在很大程度上影响着分类器的性能。根据样本各特征分量的均值与方差对分类的影响，提出根据分类权值进行特征选择，以提高支持向量机性能的简便方法，制定了两个具体实施方案。在三个常用数据集上进行了仿真实验，结果验证了方法的有效性。
改进的K均值聚类算法在支持矢量机中的应用
K均值聚类算法 增量训练 SVM
2009/6/17
将一种改进的K均值聚类算法应用于支持矢量机（SVM）的训练。基于这一改进的聚类算法,设计了SVM的增量式训练步骤,并给出了在训练过程中删除无用样本的的方法。模式分类的实验结果表明,这种改进的K均值聚类算法在SVM中的应用不仅大幅度地缩短了SVM的训练时间,而且进一步提高了它的分类能力。
改进的快速模糊C-均值聚类算法
模糊C-均值 多次随机取样 数据约减
2009/6/17
为解决模糊C-均值(FCM)聚类算法在大数据量中存在的计算量大、运行时间过长的问题，提出了一种改进方法：先用多次随机取样聚类得到的类中心作为FCM算法的初始类中心，以减少FCM算法收敛所需的迭代次数；接着通过数据约减，压缩参与迭代运算的数据集，减少每次迭代过程的运算时间。该方法使FCM算法运算速度大大提高，且不影响算法的聚类效果。
复杂结构归纳学习研究
基于图的概念学习 归纳逻辑程序设计 高阶逻辑
2009/6/16
复杂结构归纳学习的需求近年来快速增长。复杂结构归纳学习方法按照知识表示方式不同分为基于逻辑的方法与基于数学图的方法。阐述了复杂结构归纳学习研究的历史沿革，介绍、分析和对比了不同知识表示方式下的学习方法，给出了复杂结构归纳学习将来发展面临的挑战和需重点解决的问题。