检索结果-内蒙古大学图书馆

您好，读者！请登录

内蒙古大学图书馆

首页
概况
党建
资源
服务
科研支持
- 论文收录引用证明
- 科技查新
知识产权
档案馆
帮助

咨询与建议

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

您的常用邮箱：*

您的手机号码：*

问题描述：

当前已输入0个字，您还可以输入200个字

全部搜索
期刊论文
图书
学位论文
标准
纸本馆藏
外文资源发现
数据库导航
超星发现

高级检索

时间限定

出版年份：

文献类型

图书期刊文献学位论文多媒体

馆藏选择

电子馆藏纸本馆藏

核心期刊

全部期刊 SCI 收录期刊 SSCI 收录期刊 EI 收录期刊 CSCD 收录期刊 CSSCI 收录期刊

语言

中文英文

文献类型

期刊文献图书学位论文标准纸本馆藏

帮助

文字说明：

T=题名（书名、题名），A=作者（责任者），K=主题词，P=出版物名称，PU=出版社名称，O=机构（作者单位、学位授予单位、专利申请人），L=中图分类号，C=学科分类号，U=全部字段，Y=年（出版发行年、学位年度、标准发布年）

检索规则说明：

AND代表“并且”；OR代表“或者”；NOT代表“不包含”；(注意必须大写,运算符两边需空一格)

检索范例：

范例一：(K=图书馆学 OR K=情报学) AND A=范并思 AND Y=1982-2016
范例二：P=计算机应用与软件 AND (U=C++ OR U=Basic) NOT K=Visual AND Y=2011-2016

分类表

所选分类

>> <<

限定检索结果

文献类型

87 篇 期刊文献
58 篇 学位论文
39 篇 专利
7 篇 会议

馆藏范围

191 篇 电子文献
0 种 纸本馆藏

日期分布

学科分类号

125 篇 工学
- 91 篇 计算机科学与技术...
- 70 篇 软件工程
- 45 篇 控制科学与工程
- 10 篇 机械工程
- 6 篇 电气工程
- 5 篇 仪器科学与技术
- 3 篇 动力工程及工程热...
- 3 篇 电子科学与技术（可...
- 3 篇 测绘科学与技术
- 3 篇 地质资源与地质工...
- 2 篇 建筑学
- 1 篇 力学（可授工学、理...
- 1 篇 材料科学与工程（可...
- 1 篇 信息与通信工程
- 1 篇 土木工程
- 1 篇 矿业工程
- 1 篇 轻工技术与工程
- 1 篇 林业工程
- 1 篇 网络空间安全
65 篇 管理学
- 63 篇 管理科学与工程(可...
- 2 篇 公共管理
22 篇 理学
- 20 篇 数学
- 2 篇 地理学
- 2 篇 系统科学
- 2 篇 统计学（可授理学、...
2 篇 经济学
- 2 篇 应用经济学
2 篇 艺术学
- 2 篇 设计学（可授艺术学...
1 篇 法学
- 1 篇 社会学
1 篇 教育学
- 1 篇 教育学

主题

152 篇 增量算法
14 篇 支持向量机
13 篇 数据挖掘
11 篇 粗糙集
10 篇 属性约简
9 篇 voronoi图
7 篇 机器学习
4 篇 关联规则
4 篇 协同过滤
4 篇 计算几何
3 篇 聚类算法
3 篇 近似集
3 篇 统计学习理论
3 篇 分类
3 篇 核函数
3 篇 数据库
3 篇 概念格
3 篇 差别矩阵
3 篇 凸包
3 篇 流形学习

机构

6 篇 中国矿业大学
5 篇 湖南大学
5 篇 重庆大学
4 篇 华北电力大学
4 篇 安徽大学
4 篇 辽宁师范大学
4 篇 西安电子科技大学
4 篇 电子科技大学
4 篇 中南大学
4 篇 东北大学
3 篇 大连理工大学
3 篇 河北大学
3 篇 国防科学技术大学
3 篇 兰州理工大学
3 篇 西北师范大学
3 篇 哈尔滨工业大学
3 篇 吉林大学
3 篇 江南大学
3 篇 华南理工大学
2 篇 国网安徽省电力公...

作者

3 篇 王欣
3 篇 王越
3 篇 李旭东
3 篇 廖士中
2 篇 白明泽
2 篇 毛建旭
2 篇 刘传银
2 篇 刘浏
2 篇 崔京玉
2 篇 李艳
2 篇 马晓坤
2 篇 粟梅
2 篇 朱青
2 篇 郝妙
2 篇 代伟
2 篇 胡运发
2 篇 魏巍
2 篇 li xu-dong
2 篇 孙才新
2 篇 陈宗海

语言

189 篇 中文
2 篇 英文

检索条件"主题词=增量算法"

共 191 条记录，以下是111-120 订阅

全选清除本页清除全部题录导出标记到"检索档案"

详细简洁

排序：

基于深度学习的混合协同过滤算法

基于深度学习的混合协同过滤算法

引用

作者：赵恢真广东工业大学

学位级别：硕士

随着互联网的应用与信息技术的普及,整个社会进入了数据爆炸,信息冗余的时代。海量非结构化信息过载,使得用户经常需要消耗大量的时间和精力来找出他们所需要的东西。推荐系统是解决这一问题不可或缺的重要工具。现如今,主流的推荐系统... 详细信息

随着互联网的应用与信息技术的普及,整个社会进入了数据爆炸,信息冗余的时代。海量非结构化信息过载,使得用户经常需要消耗大量的时间和精力来找出他们所需要的东西。推荐系统是解决这一问题不可或缺的重要工具。现如今,主流的推荐系统主要有三类:一是基于内容的推荐,二是协同过滤推荐,三是混合推荐。基于内容的推荐能准确学习到用户特征,解释性强,却面临分析内容有限,过度特殊化及冷启动问题;协同过滤不需要太多对应数据领域的专业知识,但其仍然不能有效避免用户冷启动、数据稀疏性等问题;混合推荐系统是基于多种不同的推荐技术,进行整合,实现其优势互补,来获得更好的效果。本文主要工作如下:1)针对推荐系统冷启动问题和传统推荐算法寻优速率过慢的问题,提出一种带增量的矩阵分解模型。该模型在矩阵分解算法的基础上,融入了用户和项目的偏执因子,并且在迭代计算过程中,使用带增量的批量学习算法加速训练过程。基于数据集Movie Lens-100k和Movie Lens-1M的实验表明,相较于传统的矩阵分解算法,带增量的矩阵分解模型的均方根误差(Root Mean Square Error,RMSE)比矩阵分解算法降低约0.3%-0.7%,训练效率上提升约18%-21%;2)针对推荐系统冷启动和稀疏性问题,提出一种融合长短期记忆网络和概率矩阵分解的推荐模型,深度概率矩阵分解模型。该模型基于概率矩阵分解结构分解用户-项目评分矩阵,获取用户特征;并利用长短期记忆网络强大的学习能力,深度挖掘项目辅助信息,获取项目特征;最后将二者有机结合,有效提升了算法的性能。实验表明,该模型相较于其它基于深度学习的推荐模型,均方根误差有效降低了2%-4%;3)将带增量的矩阵分解模型和深度概率矩阵分解模型进行融合,提出带增量的深度概率矩阵分解模型。该模型基于二者优势互补,利用前者提升算法的学习效率,利用后者提升算法的学习能力,拟合能力和抗干扰能力。实验证明带增量的深度协同过滤模型的RMSE相较于其他算法降低了约1%-7%,训练效率提升了约15%-25%。

关键词：推荐系统长短期记忆网络增量算法概率矩阵分解

来源：评论

学校读者我要写书评

暂无评论

动态环境下QoS增量预测模型

动态环境下QoS增量预测模型

引用

作者：李艳重庆大学

学位级别：硕士

随着互联网的快速发展,网络中出现众多功能相同但非功能属性不同的服务,用户无法尝试所有的服务,因此如何准确把握服务的QoS并为用户推荐满足其需求且QoS属性较好的服务,是现在服务计算与服务推荐中重要的研究方向。虽然协同过滤算法已... 详细信息

随着互联网的快速发展,网络中出现众多功能相同但非功能属性不同的服务,用户无法尝试所有的服务,因此如何准确把握服务的QoS并为用户推荐满足其需求且QoS属性较好的服务,是现在服务计算与服务推荐中重要的研究方向。虽然协同过滤算法已经广泛应用在服务推荐领域中,但大多数服务推荐算法都是基于数据集是静态的情况下,即认为QoS数据在服务推荐过程中不发生变化,但实际情况是QoS是动态变化的。这是因为用户在调用服务的过程中会受到用户自身网络、服务器网络、服务器荷载等因素的影响,使得用户在不同时间调用服务的QoS值不同。因此,如何在动态数据环境下,预测用户对未体验Web服务的QoS值,并以此为依据为用户选择合适的服务成为了现在Web服务推荐中重要的研究内容。为了克服这个缺陷,可以采用增量学习的方法,研究动态数据环境下增量算法,当服务推荐系统中出现用户调用服务过程中的实时动态QoS数据时,算法应立即此数据进行响应,并在线更新模型参数,提供高效及时的服务推荐。本文的主要成果有:(1)对偏差进行深入研究,提出了八种偏差组合形式,并将偏差加入Slope One算法中,得到基于偏差的Slope One算法。在WS-Dream两个数据集上进行实验,实验结果表明加入偏差的Slope One算法可以提高算法的推荐精度。(2)针对QoS动态变化的特性,研究动态环境下Slope One算法的增量更新机制,得到增量Slope One算法、增量加权Slope One算法、增量双极Slope One算法。其原理是从原有的公式中分解出固定因子与增量因子,将用户的平均偏差视为两个增量因子的商,当数据发生变化时只需要更新相应的增量因子的值,就可以得到最终的预测结果。最后在WS-Dream两个数据集上设计实验,分析比较增量算法和静态算法的推荐准确度,实验结果证明增量算法在保持准确度的同时能大大缩短模型的训练时间。

关键词： QoS预测 Web服务 Slope One 偏差增量算法

来源：评论

学校读者我要写书评

暂无评论

基于属性拓扑的增量式概念树生成方法研究

基于属性拓扑的增量式概念树生成方法研究

引用

作者：李和合燕山大学

学位级别：硕士

增量概念认知学习主要涉及对动态大数据知识的处理。此外,形式概念分析作为认知计算研究的潜在方向,可以详细地描述概念认知学习的具体过程。作为形式概念分析领域中形式背景的一种新型表示方法,属性拓扑可以清楚地显示新数据与原有数... 详细信息

增量概念认知学习主要涉及对动态大数据知识的处理。此外,形式概念分析作为认知计算研究的潜在方向,可以详细地描述概念认知学习的具体过程。作为形式概念分析领域中形式背景的一种新型表示方法,属性拓扑可以清楚地显示新数据与原有数据之间的关系,从而降低概念认知学习过程的复杂性,并且在动态形式背景分析方面已经有了初步的研究进展。基于以上两点,该文提出了一种基于属性拓扑的增量式概念树生成方法,用于增量式概念认知的动态计算过程。首先,该文结合属性拓扑和增量概念认知学习理论,提出了增量形式背景的坍缩及结构化表示方法。增量形式背景的坍缩是通过引入不同类别新增对象对原有拓扑结构影响产生差异化影响,以减少新增对象认知过程中复杂性的表示方法。增量形式背景的结构化表示方法着重分析的是在坍缩形式背景中原有各对象之间的关系,从而为后续的增量式概念树生成方法提供了基础。其次,该文采用基于形式概念分析的属性拓扑表示方法从认知角度出发详细地分析不同类型的新增对象的认知过程。由于概念树是概念认知的一种表现形式,因此本文将概念认知过程和结果通过概念树的形式表示。对于新增的非全局对象,先判断其在概念树中加入的位置,再根据增量形式背景结构化的表示中的各对象之间的关系确定新增对象后能够生长的子树,最后根据概念的更新原理完成概念树的更新。最后,以短视频提取出的关键帧图像为实验数据,验证了本文提出的增量式概念树的生成方法,并得到了基于故事情节发展的概念认知的模拟结果。通过对实验过程和结果的分析,可以发现当增量顺序不同时,最终所得到的概念树结果也会有所不同。这与人的认知过程类似。该文提出的基于属性拓扑的增量式概念树生成方法丰富了属性拓扑在动态增量式概念认知计算方面的研究。

关键词：概念认知学习形式概念分析属性拓扑增量算法概念树

来源：评论

学校读者我要写书评

暂无评论

支持向量机建模方法的研究

支持向量机建模方法的研究

引用

作者：董钢东北大学

学位级别：硕士

支持向量机是Vapnik教授领导的研究小组于上世纪末提出的一种机器学习的新方法,是统计学习理论的核心部分,是处理小样本学习的有效工具。支持向量机作为统计学习理论的实现方法,能很好地解决非线性和高维数问题,克服了神经网络方法收敛... 详细信息

支持向量机是Vapnik教授领导的研究小组于上世纪末提出的一种机器学习的新方法,是统计学习理论的核心部分,是处理小样本学习的有效工具。支持向量机作为统计学习理论的实现方法,能很好地解决非线性和高维数问题,克服了神经网络方法收敛慢、解不稳定、推广性差的缺点,近年来得到了广泛地研究,在模式识别、信号处理、控制、通讯等方面得到了广泛地应用。因此,研究支持向量机的理论和应用问题具有重要的理论与现实意义。回归估计是支持向量机方法的重要研究领域,本文以支持向量机理论为基础,对回归问题的方法进行了研究。全文共分六章,具体内容如下： 1.介绍了机器学习领域中统计学习理论的基本思想和方法,进一步详细说明了结构风险最小化原理,同时,对支持向量机的发展进行了概括性的总结； 2.在深入分析支持向量机基本原理的基础上,对目前的支持向量机的改进算法进行了总结,同时,将各种算法与传统算法进行了比较； 3.针对非线性建模问题,提出一种新的支持向量机核函数构造方法,对高斯核函数在支持向量密集处拟合效果差的缺点进行了改进,仿真研究结果显示,新方法可以一定程度上减少泛化误差； 4.提出了一种基于Fisher判别率的支持向量机回归算法。该方法通过引入样本内部相似程度的判别因子来减少样本错分几率,理论分析与仿真实验均验证了算法的有效性和优越性； 5.提出了一种新的用于回归的支持向量机增量算法。该算法与传统算法相比,可以在满足模型精度要求的基础上,明显地提高算法的计算速度。

关键词：支持向量机统计学习理论核函数 Fisher判别率增量算法

来源：评论

学校读者我要写书评

暂无评论

基于支持向量机的数据挖掘方法

基于支持向量机的数据挖掘方法

引用

作者：杜晓东山东大学

学位级别：硕士

支持向量机是基于统计学习理论的新一代机器学习技术。由于使用结构风险最小化原则代替经验风险最小化原则,使它能较好地处理小样本情况下的学习问题。又由于采用了核函数思想,使它能把非线性问题转化为线性问题来解决并降低了算法的复... 详细信息

支持向量机是基于统计学习理论的新一代机器学习技术。由于使用结构风险最小化原则代替经验风险最小化原则,使它能较好地处理小样本情况下的学习问题。又由于采用了核函数思想,使它能把非线性问题转化为线性问题来解决并降低了算法的复杂度。目前,支持向量机已经成为国际上机器学习领域新的研究热点。本论文首先概要介绍了支持向量机的理论背景,结合目前一些主要的支持向量机方法进行深入研究,提出新的见解。本论文的主要贡献可归纳为如下三个方面: 1.样本预优算法研究论文首先介绍了一种可以减少大规模支持向量机训练时间和能减少野点影响的方法。很多支持向量机的算法都是从一个随机的训练数据的子集出发开始训练,本论文提出一种新的方法,在高维空间中估计出那些可能最终成为支持向量的向量集合,继而加速优化的过程。同时利用高维空间定义的距离来发现野点,并在一定程度上消除野点对最终分类面的影响。 2.提出高维中心支持向量机(HCSVM)方法支持向量机利用少量数据来建立分类决策面。但是由于分类面只依赖于少量的支持向量,所以易受噪声数据影响。针对这种情况,本文提出了高维中心支持向量机(HCSVM)方法。该方法利用非线性可分数据映射到高维线性可分的特性,把数据映射到高维特征空间,将高维中心之间的距离最小作为优化的原问题。仿真实验表明,该方法在一定程度上减少了噪声数据对分类面的影响。 3.增量算法研究增量算法已经成为智能知识发现方面一个重要的分类方法。在第五章中,笔者深入分析了支持向量集的特性,介绍了一般的增量学习算法。通过分析,指出在增量学习中确定学习参数比较困难,所以本文利用v-SVM

关键词：支持向量机模式分类增量算法统计学习理论邻域算法

来源：评论

学校读者我要写书评

暂无评论

人脸识别关键技术的研究

人脸识别关键技术的研究

引用

作者：夏鹏浙江师范大学

学位级别：硕士

人脸识别是当前一个热点研究领域,它作为一种身份验证的技术在信息安全,出入控制等领域有着广泛的应用前景,但同时人脸识别作为一个经典的高维小样本问题,对模式识别算法的性能有着苛刻的要求,本文针对D-LDA的增量计算与SVM多分类这样... 详细信息

人脸识别是当前一个热点研究领域,它作为一种身份验证的技术在信息安全,出入控制等领域有着广泛的应用前景,但同时人脸识别作为一个经典的高维小样本问题,对模式识别算法的性能有着苛刻的要求,本文针对D-LDA的增量计算与SVM多分类这样的一些关键性问题进行了深入的研究与探讨,并给出了相应的算法。 D-LDA作为线性判别分析的一种改进形式有着良好的理论基础与实验效果,但在实际应用中它存在一个重要的问题,这就是增量计算的问题,本文通过对类内散布矩阵,类间散布矩阵以及D-LDA算法流程的分析,提出了一种D-LDA增量算法,接着为了对D-LDA增量算法进行核化,本文提出了一种正则化的核D-LDA算法,在这个核D-LDA的基础上,实现了D-LDA增量算法的核化形式,在实验中将D-LDA增量算法与D-LDA传统的批处理算法,将核D-LDA增量算法与KDDA算法分别进行了对比,结果表明无论是D-LDA增量算法还是核D-LDA增量算法的实验精度都非常接近于传统的批处理算法,证明这两种算法是有效的。人脸识别是一个多类分类问题,而支持向量机是一个二分类问题,本文对支持向量机多分类的扩展进行了研究,这部分研究工作可以分为以下两个方面,一是对二叉树SVM,本文提出了一种基于聚类的二叉树结构生成算法,该算法以类间的可分性为度量通过聚类的方式生成二叉树的节点,二是通过改变问题的表述方式,将一个多分类问题表述为一个二分类问题,提出了一种基于子空间Boosting的SVM多类分类方法,该方法通过类间差与类内差矩阵子空间将多分类问题表达为二分类问题,同时针对正反例样本的不均衡问题,采用boosting算法进行了处理,实验结果表明,以上两种算法对多分类问题的处理都达到了一定的效果,其中基于聚类的SVM多分类方法效果最为明显。

关键词：人脸识别核方法支持向量机增量算法主成分分析线性判别分析

来源：评论

学校读者我要写书评

暂无评论

社会关系网络社区结构识别

社会关系网络社区结构识别

引用

作者：单波哈尔滨工业大学

学位级别：硕士

近年来随着Web 2.0的流行和普及,对社会关系网络(SNS)的研究和应用逐渐成为关注热点。社区结构是一种在社会关系网络数据中的特有结构,在诸如在线博客和论文引用等社会关系网络中,社区结构是人类交流和交际的固有特征。社区结构的发现... 详细信息

近年来随着Web 2.0的流行和普及,对社会关系网络(SNS)的研究和应用逐渐成为关注热点。社区结构是一种在社会关系网络数据中的特有结构,在诸如在线博客和论文引用等社会关系网络中,社区结构是人类交流和交际的固有特征。社区结构的发现和识别有助于得出有意义的个体间活动模式和社会发展规律,在客户行为分析和社会安全等多方面具有现实意义。然而,社会关系网络中个体的兴趣和社会角色会随时间发生改变,传统的用聚合的网络数据分析社会关系网络会丢失网络变化中所包含的重要信息。目前对动态社会关系网络中社区结构描述和识别的研究还比较少,已有方法存在可扩展性差的缺点,无法在可接受时间内对大规模网络进行识别。本文提出动态社会关系网络中发现社区结构的增量式新方法IC算法。利用动态网络时间局部性即相邻采样时刻网络变化不大的特点,通过增量分析避免对整个网络中的个体全部重新划分,达到较高的算法效率。实验结果表明,IC算法效率高于现有方法,在大规模网络上效率提升在一个数量级以上;发现的社区结构很好的反映出社会关系网络的本质结构;IC算法适合在大规模动态社会关系网络上(105结点量级)有效地进行社区结构识别。传统社区结构模型的一个弊端是顶点只能存在于一个社区之中,现实数据表明个体可能具有多重身份、参与多个活动团体,而传统的单一归属社区结构模型不能够解释这一现象。本文提出了多重归属的社区结构模型,并给出了能够识别社会关系网络的多重归属社区结构的算法MIC算法。实验结果表明,MIC算法可以找到有意义的社区结构,多重归属的社区结构往往具有比单一归属的社区结构更高的社区质量,能更好的解释个体在网络中的地位和作用,展示社会关系网络的真实拓扑结构和顶点之间的本质联系模式。

关键词：社会关系网络社区识别增量算法多重归属

来源：评论

学校读者我要写书评

暂无评论

基于遗传算法的聚类挖掘研究

基于遗传算法的聚类挖掘研究

引用

作者：苏守宝安徽大学

学位级别：硕士

聚类分析也是数据挖掘研究中的一个非常活跃的研究课题。聚类就是把一个没有类别标记的样本集按某种准则划分成若干类，使类内样本的相似性尽可能大，而类间样本相似性尽量小，是一种无监督的分类方法。聚类分析虽已广泛地应用于模式识... 详细信息

聚类分析也是数据挖掘研究中的一个非常活跃的研究课题。聚类就是把一个没有类别标记的样本集按某种准则划分成若干类，使类内样本的相似性尽可能大，而类间样本相似性尽量小，是一种无监督的分类方法。聚类分析虽已广泛地应用于模式识别、数据挖掘、计算机视觉、模糊控制、决策分析和预测等许多领域，但它在理论和方法上仍不完善，甚至还有严重的不足之处。对聚类算法的进一步优化研究将不仅有助于算法理论的完善，更有助于算法的推广和应用。该课题研究的目标就是在数据挖掘的背景下，从理论、算法和应用的角度对聚类分析技术在如下三个方面进行了探索性的研究并取得了一定的成果。 1) 现有聚类算法的分类研究。从聚类准则、聚类的表示、算法框架等不同角度来考察并区分这些算法，然后从混合聚类方法、增量聚类、自动化和可视化等技术方面对现有算法加以比较分析评价。分析了现有算法的优缺点，以利于进一步改进;通过对现有算法的性能评述，有利于数据挖掘用户能够针对特定的数据集选择正确的算法，以获得最优化的结果和性能;也可以为现有算法分类比较的进一步研究以及建立聚类基准奠定基础。 2) 聚类分析的遗传算法研究。传统的基于聚类准则的聚类算法本质上是一种局部搜索算法，它们采用了一种迭代的爬山技术来寻找最优解，存在着对初始化敏感和容易陷入局部极小的致命缺点。遗传算法(GA)是一种通过模拟自然进化过程搜索最优解的方法，其显著特点是隐含并行性和对全局信息的有效利用能力。文中讨论了聚类分析的遗传操作改进方法，首次提出了基于佳点集GA的聚类算法GAmeans，降低了传统聚类算法对初始化的要求，具有收敛快、较强的稳健性和可避免早熟的特点。提出了一种混合聚类方法HgaMeans，实验比较测试表明它具有更好的聚类质量和综合性能。 3) 增量算法探讨。增量式聚类方法有适应大规模、动态数据、降低内存需求、可实现并行处理和增量更新等诸多优点，而且时空复杂性较小。增量算法的要求是聚类特征一般是可加的、非迭代的，该文提出了一种基于密度的网格聚类算法GDCLUS，并在此基础上提出了增量式算法IGDCLUS。该算法可发现任意形状的聚类，适用于数据的批量更新，具有高的效率且容易实现。目前的增量算法尚未完全解决对数据顺序的敏感性，高效、自适应性和交互性地动态地增量式聚类算法有待进一步研究，数据挖掘中的聚类技术仍面临着许多问题和挑战。

关键词：聚类遗传算法数据挖掘增量算法佳点集

来源：评论

学校读者我要写书评

暂无评论

基于时间序列的统计学习理论与建模

基于时间序列的统计学习理论与建模

引用

作者：殷英云南大学

学位级别：硕士

在时间序列分析与建模中，支持向量机因为其良好的自学习与自适应能力而比一般模型更容易从复杂模式中抽象出有用的信息，事实上，现实中被观测到的大多数时间序列均表现出非平稳、非线性或混沌的特征，此时，传统的分析预测模型是难以... 详细信息

在时间序列分析与建模中，支持向量机因为其良好的自学习与自适应能力而比一般模型更容易从复杂模式中抽象出有用的信息，事实上，现实中被观测到的大多数时间序列均表现出非平稳、非线性或混沌的特征，此时，传统的分析预测模型是难以将其严格的假定条件与实际观测相吻合的。\n　　本文对统计学习理论和支持向量机技术进行了较为详细的讨论，这是对神经网络发展到目前的一种新的突破，有效地弥补了神经网络所具有的过适应性、非全局最优性和黑箱性等缺陷。本文从统计学理论和人工智能算法的不同角度，分析比较了神经网络和支持向量机的训练过程、网络结构，对基于时间序列观测数据的统计学习建模理论与方法给出了一些有益的结果，并应用于实践。\n　　以下是本文的主要研究成果：1.根据SVM的特性，提出了两种新的适用于高噪声、大规模时间序列的回归型增量学习算法，并应用于金融时间序列实证分析。2.本文对不同范数距离下的回归型支持向量机进行了启发式研究，利用不同范数的几何性质得出了几种新的线性规划支持向量回归(LP-SVR)算法，并对其进行了数值实验和分析。3.

关键词：机器学习时间序列预测支持向量回归增量算法实时交通流

来源：评论

学校读者我要写书评

暂无评论

空间散乱点集Delaunay三角剖分的算法优化及实现

空间散乱点集Delaunay三角剖分的算法优化及实现

引用

作者：陈定造广东工业大学

学位级别：硕士

三角剖分在曲面重构、三维有限元方法的预处理、医学可视化及地理信息系统(GIS)等领域有广泛的应用。Delaunay三角剖分是计算机辅助几何设计、几何造型及计算机图形学中的重要研究内容之一。对于设计一个三角剖分算法来说,最重要的就是... 详细信息

三角剖分在曲面重构、三维有限元方法的预处理、医学可视化及地理信息系统(GIS)等领域有广泛的应用。Delaunay三角剖分是计算机辅助几何设计、几何造型及计算机图形学中的重要研究内容之一。对于设计一个三角剖分算法来说,最重要的就是其复杂度低和高质量网格的形成。Delaunay三角剖分算法由于其良好的优化特性受到青睐,本文对其算法进行研究及优化改进有着重要的理论意义和重大的应用价值。本文讨论的空间三维散乱点Delaunay三角剖分的方法,由散乱点的导入、三角剖分到最后的结果显示输出,涉及到了计算几何、计算机图形学及Direct3D编程等相关知识。平面的Delaunay三角剖分已经较为成熟,而三维Delaunay三角剖分仍需进一步完善和改进,这正是本文对其进行研究的目的。本文在详细研究和分析了典型的Delaunay三角剖分算法的思想后,针对增量算法中的关键问题提出改进的方法,从降低算法的时间复杂度的角度出发,以点定位搜索这一关键问题为切入点,提出新的改进搜索的方法,该算法利用四面体三角面的法矢与该面的点到插入点之间形成的向量的夹角来确定定位方向,不需额外的搜索数据结构,且对于每个搜索四面体只需三个面的法矢和夹角的计算,减少了搜索过程中的计算量,且定位的路径较优,有效提高了算法的效率,使整个Delaunay三角剖分算法的时间复杂度约为0(N),接近线性时间。算法的实现和结果的输出显示是一个重要的环节,本文集成了Direct3D与MFC单文档框架,并基于该框架建立三维散乱数据点导入模块和三角剖分模块,在基于VC++.NET 2003开发平台开发了3DMAKER软件。最后对算法运行实验结果进行了分析,同时将其与现有的相关算法进行了比较并讨论了算法的时间复杂度,此外分析了算法中的不足之处并提出有待进一步研究的问题,为后续的展望工作打下基础。

关键词： Delaunay三角剖分增量算法散乱点集点定位

来源：评论

学校读者我要写书评

暂无评论

没有更多数据了...

全选清除本页清除全部题录导出标记到“检索档案”

共20页 << < 8 9 10 11 12 13 14 15 16 17 > >>

检索报告对象比较合并检索0

隐藏清空

合并搜索

回到顶部

执行限定条件

内容：

评分：

请选择保存的检索档案：

请选择收藏分类：

订阅名称：

通借通还

温馨提示：

图书名称：

借书校区：

取书校区：

手机号码：

邮箱地址：

一卡通帐号：

电话和邮箱必须正确填写，我们会与您联系确认。

联系人：

所在院系：

联系邮箱：

联系电话：

内蒙古自治区呼和浩特市赛罕区大学西街235号邮编: 010021

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：