搜索结果: 106-120 共查到“知识库 机器翻译”相关记录157条 . 查询时间(0.441 秒)
自适应误差惩罚支撑向量回归机
支撑向量回归 离群点 自适应误差惩罚
2009/3/18
该文提出一种支撑向量回归机AEPSVR。它首先用 -SVR求得一个近似的支撑向量回归函数，在此基础上，引入一种新自适应误差惩罚函数，通过迭代，得到鲁棒的支撑向量回归机。该方法因以 -SVR为基础，故可以应用各种求解SVR的优化算法。实验表明，该支撑向量回归机AEPSVR能显著地降低离群点的影响，具有良好的泛化性能。
翻译记忆中语句相似度计算方法的研究
编辑距离 词语相似度 句型
2009/2/12
对翻译记忆的关键技术——语句相似度的几种常用计算方法进行了分析，针对英汉翻译记忆系统的要求，提出了基于块的方法计算英语句子相似度，通过将英语句子按照句型分类存储，组合句子各个组成块的语义相似度与权重来得到整个句子的相似度。结果证明，它能很好的反映句子在语义和结构上的相似程度。
基于包装器模型的文本信息抽取
包装器 归纳学习 信息抽取
2009/2/8
在分析基于标志和基于文本模式两类算法的基础上，提出了一种新的包装器归纳学习算法。新算法综合上述两类算法的优点，不但能利用页面的标志信息进行信息定位，而且能利用文本的模式信息来进行信息抽取和对抽取结果进行必要的过滤。实验结果表明，新算法具有较高的信息抽取精度与信息表达能力。
基于SVM决策树判别测试点类别的新方法
间隔 决策树 支持向量机
2009/2/7
从测试点的类别判断方式上进行改进，对容易错分的测试点给予多次判别机会，从而降低了SVM决策树的错分累积程度。仿真试验表明，改进的基于SVM决策树判别测试点类别方法与传统的基于SVM决策树判别测试点类别方法相比，具有较高的分类精度。
基于局域主方向重构的适应性非线性维数约减
非线性维数约减 适应性邻域选择 局域主方向 流形学习
2009/1/23
现有的主要非线性维数约减算法，如SIE和Isomap等，其邻域参数的设定是全局性的。仿真表明，对于局域流形结构差异较大的数据集，全局一致的邻域参数可能无法获得合理的嵌入结果。为此给出基于局域主方向重构的适应性邻域选择算法。算法首先为每个参考点选择一个邻域集，使各邻域集近似处于局域主线性子空间，并计算各邻域集的基向量集；再由基向量集对各邻域点的线性拟合误差判定该邻域点与主线性子空间的偏离程度，删除偏...
基于流形正则化的支持向量回归及应用
半监督学习 流形正则化 支持向量回归
2009/1/20
利用流形正则化的思想,围绕半监督学习,提出了一种针对回归问题的新算法。该算法基于流形上的正则化项和传统的正则化项相结合的方法,利用支持向量机回归已有的结果,解决半监督学习的回归问题,提高了泛化能力。通过数值试验,验证了该算法具有较好的泛化能力,对噪音具有较强的鲁棒性,与支持向量回归相比,具有更高的学习精度。
基于模糊分割和邻近对的支持向量机分类器
异常点 模糊分割 支持向量机
2009/1/20
支持向量机算法对噪声点和异常点是敏感的，为了解决这个问题，人们提出了模糊支持向量机，但其中的模糊隶属度函数需要人为设置。提出基于模糊分割和邻近对的支持向量机分类器。在该算法中，首先根据聚类有效性用模糊c-均值聚类算法分别对训练集中的正负类数据聚类；然后，根据聚类结果构造c个二分类问题，求解得c个二分类器；最后，用邻近对策略对样本点进行识别。用4个著名的数据集进行了数值实验，结果表明该算法能有效提高...
基于模拟退火算法的立体匹配搜索方法
模拟退火算法 立体匹配 搜索方法
2009/1/20
选择图像的边缘特征点作为匹配基元，求出边缘梯度的大小、方向和拉普拉斯值作为特征的属性值，在满足一定的立体匹配约束条件下，建立全局能量函数和状态空间，并用模拟退火算法，随着对状态空间的随机扰动，使能量函数达到全局最小，从而实现立体匹配。
基于群体递增学习算法的癌症化学疗法优化技术研究
化学疗法 基于群体递增学习算法 约束
2009/1/20
探索分布估计算法中最频繁用于解决现实生活中优化问题的基于群体递增学习算法在优化癌症化疗中的应用能力，并与遗传算法作相应比较。实验表明基于群体递增学习（PBIL）算法的搜寻速度以及搜寻到的可行解质量均优于遗传算法。
基于自适应粒子滤波的动态贝叶斯网推理算法
动态贝叶斯网络 粒子滤波 自适应粒子滤波
2009/1/14
提出一种基于自适应粒子滤波的动态贝叶斯网推理算法，该算法能随着动态贝叶斯网状态演化的不确定性动态改变抽样粒子数目，其根据是通过给定抽样误差界限来确定粒子数。当状态空间不确定性较低时，算法使用较少的粒子数；当状态空间不确定性很大时，将使用较多的粒子数。模拟实验表明该算法很好地兼顾了推理精度和推理时间，性能优于粒子滤波算法；与RBPF算法相比，该算法在稳定性和适用性方面也具有一定优势。
加权粗糙集模型是粗糙集基于变精度模型的一种扩展。加权粗糙集模型不仅考虑了精度变化增强容噪能力，还考虑了不同对象的重要程度，也就是不同对象的加权值。该模型为经验知识的总结归纳提供了有益手段。根据粗糙集的一般概念，在加权粗糙集模型下，重新定义了近似空间内的一些概念，给出了加权粗糙集模型的约简概念。并根据实验分析，验证了加权粗糙集是粗糙集模型的扩展特性，说明了加权粗糙集模型中对象权值对约简的影响。
QPSO算法在训练支持向量机中的应用
支持向量机 粒子群优化 量子粒子群优化
2009/1/8
训练支持向量机的本质问题就是求解二次规划问题，但对大规模的训练样本来说，求解二次规划问题困难很大。遗传算法和粒子群算法等智能搜索技术可以在较少的时间开销内给出问题的近似解。量子粒子群优化（QPSO）算法是在经典的微粒群算法的基础上所提出的一种有较高收敛性和稳定性的进化算法。将操作简单而收敛快速的QPSO算法运用于训练支持向量机，优化求解二次规划问题，为解决大规模的二次规划问题开辟了一条新的途径。
...
动态模糊机器学习模型及验证
动态模糊集 动态模糊机器学习系统 动态模糊机器学习模型
2009/1/8
根据学习系统中存在的动态模糊性，提出了动态模糊机器学习模型，给出了动态模糊机器学习算法和它的几何模型描述，并进行了算法的稳定性分析，最后给出了实例验证。实例结果与BP算法产生结果相比较，优于BP算法的结果。
多Agent谈判：一种基于模糊逻辑控制的方法
谈判Agent 黑板模式 综合评价
2009/1/8
在分析各种Agent谈判模型不足的基础上，首先给出基于黑板模式的谈判Agent体系结构，然后设计了一个通用的谈判Agent建议的综合评价方法。此外，应用标准可加性模型原理设计了谈判Agent的策略模型，从而构建了应用范围广泛的自动化谈判Agent模型。