检索结果-内蒙古大学图书馆

软件学报 1995年第6期6卷 343-352页

作者：潘金贵陈彬陈兆乾陈世福南京大学计算机科学系

本文提出以实例空间中状态划分概率的大小作为启发式信息，以提供的正反实例集为依据，基于二叉树分类方法的示例式归纳学习算法ＣＡＰ２．它输出的分类规则是谓词演算表达式．该算法可根据用户对精度的要求控制分类深度，得到不同精度... 详细信息

本文提出以实例空间中状态划分概率的大小作为启发式信息，以提供的正反实例集为依据，基于二叉树分类方法的示例式归纳学习算法ＣＡＰ２．它输出的分类规则是谓词演算表达式．该算法可根据用户对精度的要求控制分类深度，得到不同精度的规则，并能处理连续数据、噪音数据和利用用户提供的背景知识，既适用于同时给定概念的正、反例集的情况，也适用于只给正例集的情况．本文还介绍了ＣＡＰ２算法的应用情况，并和著名的ＩＤ３算法进行了比较．ＣＡＰ２已嵌入到一个自动知识获取系统．

关键词：归纳学习算法划分概率知识获取机器学习

来源：评论

学校读者我要写书评

暂无评论

基于遗传机制的归纳学习算法研究

基于遗传机制的归纳学习算法研究

引用

作者：陈亮哈尔滨工业大学

学位级别：硕士

机器学习是人工智能的基础理论之一。近年来，它越来越引起人们的重视，并成为人工智能研究的焦点，目前已有许多学习系统成功的应用到自动知识获取、模式识别、智能控制等领域。归纳学习是机器学习理论中较为成熟的分支。知识获取已公... 详细信息

机器学习是人工智能的基础理论之一。近年来，它越来越引起人们的重视，并成为人工智能研究的焦点，目前已有许多学习系统成功的应用到自动知识获取、模式识别、智能控制等领域。归纳学习是机器学习理论中较为成熟的分支。知识获取已公认为专家系统发展的知识瓶颈，于是归纳学习方法的研究更加引起人们的重视。扩张矩阵理论是由我国学者提出的AE类规则学习算法，具有分类精度高、知识表达力强，适合专家系统的自动知识获取的特点。在基于扩张矩阵理论的示例学习中，最短公式问题、最优覆盖问题、最优特种子集问题都已经被证明是NP难度问题，求解这些问题一般是采用各种启发式方法来寻求问题的近似解，这表明示例学习和自动知识获取的困难性。而本文研究的集合覆盖问题就是解决扩张矩阵的一种行之有效的办法。\n 遗传算法(GeneticAlgorithm简称GA)是20世纪七十年代由美国密切根大学JohnHolland教授为研究自然与人工系统的自适应行为而提出的一种算法，后经其学生KennethDeJong、***等人的改进推广得以广泛应用于各类优化问题。遗传算法作为一种全新的优化搜索算法，与传统的优化算法相比，遗传算法具有适应性广、抗干扰性强、鲁棒性强以及不受搜索空间限制性条件约束等显著的特点。广泛应用于自动控制、计算机科学、机器人学、模式识别和神经网络等领域。\n 本文首先简要介绍了遗传算法和集合覆盖问题，然后详细讨论了遗传算法相关的理论，包括遗传算法的起源和搜索策略；遗传算法的基本理论；遗传算法的收敛性分析；遗传算法的改进方法。集合覆盖问题是NP难度问题，执行时间随着问题规模的增大而急剧增大，遗传算法对于解决NP难度问题非常有效。本文将遗传算法应用到集合覆盖中，提出了一种启发式算法。通过用染色体来表示集合中的覆盖情况，针对染色体进行启发式修改,随着在种群中随着进化，通过合理的选取遗传参数，能较快的收敛到最优解。计算结果显示应用本算法，对于小规模的集合覆盖问题，可以产生最优解，对于大规模的集合覆盖问题，可以高效的产生较优解。在本文的最后,详细地介绍了本算法在实际工作中的应用。

关键词：机器学习遗传机制归纳学习算法模式识别

来源：评论

学校读者我要写书评

暂无评论

一种不确定知识的递增归纳学习算法

一种不确定知识的递增归纳学习算法

引用

第一届中国Rough集与软计算学术研讨会

作者：赵卫东李旗号东南大学经管学院(南京) 合肥工业大学(合肥)

模糊集和粗糙集都是处理模糊和不确定信息的有效工具.本文以数值型属性实例为例,提出了一种递增归纳学习算法.

关键词：粗糙集模糊集归纳学习算法

来源：评论

学校读者我要写书评

暂无评论

基于本体论的Web信息抽取

引用

计算机辅助设计与图形学学报 2004年第4期16卷 535-541页

作者：周明建高济李飞浙江大学人工智能研究所杭州310027

以本体论为基础 ,以所要提取的信息的层次结构作为信息提取的路径 ,定义了Web页面的信息项本体 ,并自动解析生成Web页面的结构本体通过对这两个本体进行对比 ,构造了一种归纳学习算法来半自动地生成信息提取规则。

关键词：本体论 Web HTML 结构本体信息项本体信息提取归纳学习算法包装器软件

来源：评论

学校读者我要写书评

暂无评论

基于扩张矩阵理论的汉语韵律短语分析

引用

计算机学报 2003年第1期26卷 26-31页

作者：谌卫军林福宗李建民张钹清华大学计算机科学与技术系北京100084 清华大学智能技术与系统国家重点实验室北京100084

提出了一种新的、基于扩张矩阵理论的归纳学习算法 :分组覆盖算法 ,并将其应用于汉语文语转换系统中的韵律短语分析问题 .算法以扩张矩阵为基础 ,在反例样本集背景下 ,将正例样本集划分为若干个一致的组 ,每一组对应于一个一致的规则 ,... 详细信息

提出了一种新的、基于扩张矩阵理论的归纳学习算法 :分组覆盖算法 ,并将其应用于汉语文语转换系统中的韵律短语分析问题 .算法以扩张矩阵为基础 ,在反例样本集背景下 ,将正例样本集划分为若干个一致的组 ,每一组对应于一个一致的规则 ,它覆盖了这组正例而且不覆盖任何的反例 ;建造了一个用于韵律短语分析的语料库 ,并提出了一组与韵律有关的特征 ;将数据分为训练集和测试集对算法进行了验证 .实验结果表明 ,新算法在正确率、规则个数和可懂性等各方面均优于传统的决策树方法 ,并接近于手工制定的规则 .

关键词：扩张矩阵理论汉语韵律短语分析汉字信息处理归纳学习算法汉语文语转换系统

来源：评论

学校读者我要写书评

暂无评论

一种本体和上下文知识集成化的数据挖掘方法

引用

软件学报 2007年第10期18卷 2507-2515页

作者：陈英徐罡顾国昌哈尔滨工程大学计算机科学与技术学院黑龙江哈尔滨150001 中国科学院软件研究所软件工程技术研究开发中心北京100080

在数据挖掘中使用本体和上下文知识能够将普遍的知识和特定的知识引入数据挖掘的决策因素中,是增进数据挖掘准确性的有效手段,同时也是数据挖掘领域研究的热点和难点之一.针对该问题,首先探讨了本体与上下文知识的集成化表示方法,包括... 详细信息

在数据挖掘中使用本体和上下文知识能够将普遍的知识和特定的知识引入数据挖掘的决策因素中,是增进数据挖掘准确性的有效手段,同时也是数据挖掘领域研究的热点和难点之一.针对该问题,首先探讨了本体与上下文知识的集成化表示方法,包括上下文知识分类方法、如何在本体描述方法上扩展上下文知识及上下文知识转化方法.其次,以层次化结构的本体与上下文知识为例,构建了一个依据于本体和上下文知识集成的归纳学习算法并验证了该算法的有效性和准确性.

关键词：数据挖掘本体上下文知识归纳学习算法

来源：评论

学校读者我要写书评

暂无评论

基于本体的Web信息抽取的研究与实现

基于本体的Web信息抽取的研究与实现

引用

作者：柳佳刚中南大学

学位级别：硕士

Web已成为了网络信息的主要平台，是人们获取信息的重要来源。但是，由于Web页面的无结构性、超链接的自由无序以及Web内容的海量性、多样性和动态变化，人们从Web上搜索真正想要的信息其实并不容易。Web信息抽取技术的研究，可以帮助... 详细信息

Web已成为了网络信息的主要平台，是人们获取信息的重要来源。但是，由于Web页面的无结构性、超链接的自由无序以及Web内容的海量性、多样性和动态变化，人们从Web上搜索真正想要的信息其实并不容易。Web信息抽取技术的研究，可以帮助人们更快更准确的获取信息。语义Web提倡的资源管理框架(RDF)和本体(ontoloy)技术，提供了以本体技术解决Web信息抽取的方案，由于不同学科各自的领域特性，建模过程需要领域专家的有效参与，导致领域本体建模的困难。定义Web页面信息项本体可以简化基于本体的Web信息抽取建模的过程，其缺陷是不能有效地划分页面的信息抽取区域，影响抽取规则生成的准确性。因此，论文基于Web页面信息项本体定义，把所要提取的信息在文档对象模型DOM层次结构中的路径作为信息抽取的“坐标”，设计了一种生成提取规则的归纳学习方法。在自动生成的Web页面中，待抽取的目标信息以相似结构的信息块子树形式存在于Web页面DOM树中。论文通过对单个样本页面信息项路径进行启发式学习和对所有样本页面集中信息块路径进行归纳学习，识别出相似结构的信息块子树的位置，准确的划定信息抽取区域，降低页面噪声;然后，利用Web页面解析技术，将经过噪声处理的样本页面自动解析成页面的结构本体。最后，将Web页面信息项本体和页面的结构本体进行对比，通过归纳学习算法生成抽取规则。论文设计了一个基于本体的Web信息抽取器。实验结果表明，以Web页面信息项本体为基础，结合文档对象模型DOM对网页路径结构的分析，降低了页面噪声，提高了Web信息的抽准率。

关键词：基于本体 Web 网页实验信息抽取器归纳学习算法对比相似结构动解析噪声处理解析技术识别信息块页面集启发式学习样本单个树形目标信息

来源：评论

学校读者我要写书评

暂无评论

基于遗传算法的Web信息抽取技术

基于遗传算法的Web信息抽取技术

引用

作者：郭银蕊大连海事大学

学位级别：硕士

随着Web信息的迅速扩张,Web成为当今信息获取和发布的事实标准。为此人们对信息抽取(IE)系统进行大量研究,以帮助用户在浩瀚如烟的Web上准确有效地提取自己真正需要的信息。如今已出现大量的信息抽取系统,如W4F、RoadRunner、WHISK、RAP... 详细信息

随着Web信息的迅速扩张,Web成为当今信息获取和发布的事实标准。为此人们对信息抽取(IE)系统进行大量研究,以帮助用户在浩瀚如烟的Web上准确有效地提取自己真正需要的信息。如今已出现大量的信息抽取系统,如W4F、RoadRunner、WHISK、RAPIER、WIEN等。它们在使用技术、自动化程度、适用领域等方面都存在一定的差异性。 IE系统中最重要的是抽取规则,它用来定位和识别待抽取的信息。WHISK系统是一个半自动的IE系统,对结构化、半结构化的Web文本它都能使用生成的抽取规则进行信息抽取。但是它在规则学习过程中规则不能保证以最优的方式进行扩展,且生成规则集的效率较低。针对以上问题,本文提出了利用遗传算法改进WHISK的监督式学习算法,并采用移除法生成规则集。算法主要实现以下功能:一、例子的预处理,包括例子去噪和例子标注;二、项的定义和转化;三、用遗传算法扩展规则;四、用移除法生成规则集。我们还实现了一个用于在线挖掘网站的Web信息抽取系统,应用检索规则探查不同网站,使用抽取规则抽取浅层知识,再进行统计分析发现变化趋势。系统主要提供以下功能:1、根据检索规则自动下载并解析网页;2、在用户的参与下,提供图形用户界面定义单槽抽取规则或通过学习算法生成多槽抽取规则;3、实现批量任务的自动抽取并存储数据;4、对抽取的历史数据,提供直观的图形显示统计结果。通过对多种类型的真实在线的网页进行实验分析,表明IE系统有较好的通用性;通过与WHISK系统的实验结果进行比较分析,表明利用遗传算法的规则学习算法在效率和准确率上都有一定的提高。

关键词： Web信息抽取抽取规则遗传算法归纳学习算法 WHISK系统

来源：评论

学校读者我要写书评

暂无评论

基于决策树的车型识别技术研究

引用

数字技术与应用 2015年第3期33卷 31-31,33页

作者：张洪明唐练重庆市华驰交通科技有限公司重庆400067

基于决策树的车型识别技术是在交通部《面向多用户群的多特征量综合交通检测系统研制》项目中提出的一种车型识别技术,决策树是以实例为基础的归纳学习算法,是一种类似流程图的树型结构,是在解决分类问题的各种方法中运用最广泛的一种... 详细信息

基于决策树的车型识别技术是在交通部《面向多用户群的多特征量综合交通检测系统研制》项目中提出的一种车型识别技术,决策树是以实例为基础的归纳学习算法,是一种类似流程图的树型结构,是在解决分类问题的各种方法中运用最广泛的一种。它从一组无次序、无规则的元组中推理出以决策树作为表示形式的分类规则。它采用自顶向下的递归方式,在决策树的内部结点进行属性值的比较,并根据不同的属性值从该结点向下分支,叶结点是要学习划分的类。

关键词：多特征交通检测决策树归纳学习算法

来源：评论

学校读者我要写书评

暂无评论

智能系统和系统辨识若干问题的研究

引用

天津科技 2002年第1期 50-50页

作者：王正欧

本课题是天津大学系统工程研究所针对当代智能系统(此处指神经网络,机器学习及专家系统)应用中若干基础问题进行的研究。本项目针对RBF网络(一种当前较为流行而实用的FNN)的泛化能力做了研究,提出了提高RBF网络泛化能力的新方法,使网... 详细信息

本课题是天津大学系统工程研究所针对当代智能系统(此处指神经网络,机器学习及专家系统)应用中若干基础问题进行的研究。本项目针对RBF网络(一种当前较为流行而实用的FNN)的泛化能力做了研究,提出了提高RBF网络泛化能力的新方法,使网络泛化能力大大高于现有的同类方法。

关键词：归纳学习算法专家神经网络 RBF 计算机网络泛化能力智能系统学习(人工智能) 机器学习

来源：评论

学校读者我要写书评

暂无评论

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：

请选择收藏分类：

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

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：