检索结果-内蒙古大学图书馆

计算机研究与发展 2011年第12期48卷 2334-2342页

作者：周丽平黄厚宽漆桂林瞿有利季秋北京交通大学计算机与信息技术学院北京100044 北京北方计算中心北京100091 东南大学计算机科学与工程学院南京211189

在本体工程中,寻找不可满足概念或角色的本体最小不可满足保持子集是一个重要的研究课题,因为它可以提供一些有用的信息用于处理本体的不一致任务,比如分析本体、调试本体、修改本体等.现有的方法主要面向推理复杂度很高的高表达能力描... 详细信息

在本体工程中,寻找不可满足概念或角色的本体最小不可满足保持子集是一个重要的研究课题,因为它可以提供一些有用的信息用于处理本体的不一致任务,比如分析本体、调试本体、修改本体等.现有的方法主要面向推理复杂度很高的高表达能力描述逻辑(DL).针对低复杂度描述逻辑DL-Lite,通过分析DL-Lite中不可满足概念或角色所具有的特点,提出了一种有效地计算DL-Lite本体中不可满足概念或角色的本体最小不可满足保持子集的算法.最后将算法与当前最有代表性的算法进行了比较,结果表明所提出的算法对于DL-Lite本体来说是有效的.

关键词：语义Web 描述逻辑 DL-Lite 本体 MUPS

来源：评论

学校读者我要写书评

暂无评论

一种保持多等级安全策略细化后无干扰属性的方法

引用

四川大学学报（工程科学版） 2015年第4期47卷 136-141页

作者：吕从东韩臻北京交通大学计算机与信息技术学院北京100044 北京交通大学国家保密学院北京100044

针对多等级架构细化中安全属性(即无干扰属性)保持的问题,提出一个细化函数和若干细化规则。通过细化函数将安全域分解为若干子安全域,通过若干细化规则限定子安全域与其他安全域以及子安全域间需要满足的关系。使用4个定理对细化后的... 详细信息

针对多等级架构细化中安全属性(即无干扰属性)保持的问题,提出一个细化函数和若干细化规则。通过细化函数将安全域分解为若干子安全域,通过若干细化规则限定子安全域与其他安全域以及子安全域间需要满足的关系。使用4个定理对细化后的架构或者策略进行形式化的描述和分析,结果表明细化后的架构或者策略仍然保持原架构或者策略的安全属性(即无干扰属性)。

关键词：降级结构无干扰架构细化策略细化

来源：评论

学校读者我要写书评

暂无评论

SURE准则的图像小波阈值去噪

引用

北京交通大学学报 2007年第2期31卷 15-18页

作者：费双波赵瑞珍北京交通大学计算机与信息技术学院北京100044

在***提出的小波阈值去噪的基础上,提出了一种新的阈值函数,其功能与硬阈值函数相当,但是它具有二阶连续可导性．相对于软阈值函数,此函数“硬”特性可以很好保留图像边缘等局部特征;而其可导性为实现图像的自适应去噪提供了可能．本文... 详细信息

在***提出的小波阈值去噪的基础上,提出了一种新的阈值函数,其功能与硬阈值函数相当,但是它具有二阶连续可导性．相对于软阈值函数,此函数“硬”特性可以很好保留图像边缘等局部特征;而其可导性为实现图像的自适应去噪提供了可能．本文应用此阈值函数,基于SURE无偏估计,给出了一种小波自适应阈值去噪方法,并用Lenna和Barbara图做了仿真实验,实验结果显示此方法在最小均方误差(LMSE)意义上的优越性．

关键词：图像去噪 SURE无偏估计小波自适应阉值最小均方误差

来源：评论

学校读者我要写书评

暂无评论

价值样本选取的不均衡分类

引用

计算机科学与探索 2020年第3期14卷 401-409页

作者：徐剑王馨月才子昕沈启航景丽萍北京交通大学计算机与信息技术学院

基于传统模型的实际分类问题,不均衡分类是一个常见的挑战问题。由于传统分类器较难学习少数类数据集内部的本质结构,导致更多地偏向于多数类,从而使少数类样本被误分为多数类样本。与此同时,样本集中的冗余数据和噪音数据也会对分类器... 详细信息

基于传统模型的实际分类问题,不均衡分类是一个常见的挑战问题。由于传统分类器较难学习少数类数据集内部的本质结构,导致更多地偏向于多数类,从而使少数类样本被误分为多数类样本。与此同时,样本集中的冗余数据和噪音数据也会对分类器造成困扰。为有效处理上述问题,提出一种新的不均衡分类框架SSIC,该框架充分考虑数据统计特性,自适应从大小类中选取有价值样本,并结合代价敏感学习构建不均衡数据分类器。首先,SSIC通过组合部分多数类实例和所有少数类实例来构造几个平衡的数据子集。在每个子集上,SSIC充分利用数据的特征来提取可区分的高级特征并自适应地选择重要样本,从而可以去除冗余噪声数据。其次,SSIC通过在每个样本上自动分配适当的权重来引入一种代价敏感的支持向量机(SVM),以便将少数类视为与多数类相等。

关键词：类的不均衡学习分类压缩激励网络代价敏感度学习

来源：评论

学校读者我要写书评

暂无评论

基于模型的层次化强化学习算法

引用

北京交通大学学报 2006年第5期30卷 1-5页

作者：郑宇罗四维吕子昂北京交通大学计算机与信息技术学院北京100044

针对强化学习算法的状态值泛化和随机探索策略在确定性MDP系统控制中存在着学习效率低的问题,本文提出基于模型的层次化强化学习算法.该算法采用两层结构,底层利用系统模型,采用贪婪策略选择探索动作,完成强化学习任务.而高层通过对状... 详细信息

针对强化学习算法的状态值泛化和随机探索策略在确定性MDP系统控制中存在着学习效率低的问题,本文提出基于模型的层次化强化学习算法.该算法采用两层结构,底层利用系统模型,采用贪婪策略选择探索动作,完成强化学习任务.而高层通过对状态区域的分析,指导底层的学习,纠正底层错误的动作.高层对底层的学习的指导作用主要包括:在泛化过程中,对泛化区域中正确与错误的状态判断值分别采用不同的学习因子,减小泛化对算法收敛性的影响;建立状态区域的推理规则,用规则指导未知状态区域的学习,加快学习速度;利用系统模型和推理规则,将探索过程集中于系统的可控区域,克服采用随机探索策略需要系统全状态空间内搜索的问题.本文提出的算法能在较短的时间内实现系统的初步控制,其有效性在二级倒立摆的控制中得到验证.

关键词：强化学习马尔科夫决策过程探索策略倒立摆

来源：评论

学校读者我要写书评

暂无评论

简论软件保护产品核心库开发

引用

北京交通大学学报 2007年第6期31卷 128-130页

作者：张睿北京交通大学计算机与信息技术学院北京100044

主要依据测试驱动开发技术的两个核心思想,首先通过测试用例来分析现有软件保护产品的缺陷,然后依据产品缺陷列表重构产品核心库;并在重构的产品核心库安全模型中引用了安全通道的概念,提升了核心库的反破解能力;对核心库中关键代码加... 详细信息

主要依据测试驱动开发技术的两个核心思想,首先通过测试用例来分析现有软件保护产品的缺陷,然后依据产品缺陷列表重构产品核心库;并在重构的产品核心库安全模型中引用了安全通道的概念,提升了核心库的反破解能力;对核心库中关键代码加入了互斥操作,提高了核心库的系统稳定性.这样设计既保证软件保护产品的质量,又缩短了核心库的开发周期.

关键词：软件保护核心库测试驱动开发安全通道

来源：评论

学校读者我要写书评

暂无评论

基于凸规划观点的神经网络学习

引用

北京交通大学学报 2004年第5期28卷 11-15页

作者：刘蕴辉罗四维李爱军俞翰斌北京交通大学计算机与信息技术学院北京100044

人工神经网络最重要的特征就是网络的学习能力,通过对神经网络内部权值的调整,学习外部环境结构的特征和信息的表示.从信息几何的角度,对神经网络的学习过程进行了几何描述,并将神经网络的学习问题转化为,最小化外部环境表示的真实分布... 详细信息

人工神经网络最重要的特征就是网络的学习能力,通过对神经网络内部权值的调整,学习外部环境结构的特征和信息的表示.从信息几何的角度,对神经网络的学习过程进行了几何描述,并将神经网络的学习问题转化为,最小化外部环境表示的真实分布与网络模型表示的逼近分布之间的"距离",并证明了对于可编码成指数簇流形的神经网络是凸规划问题.为神经网络学习的研究提出了一个新的思路,也为在高维非线性空间中解决网络学习问题的有效性,从信息几何的角度给出了一种解释.

关键词：凸规划观点神经网络学习能力信息几何

来源：评论

学校读者我要写书评

暂无评论

基于二维离散小波变换的智能交通系统数据去噪声压缩

引用

北京交通大学学报 2004年第5期28卷 1-5页

作者：肖扬鲁凌云高爽谢玉明徐大勇北京交通大学计算机与信息技术学院北京100044

研究了基于二维离散小波变换的交通数据压缩与解压缩技术,建立了交通数据的空—时模型,所提出的二维离散小波变换算法利用交通数据的二维空—时特征,去除传感器噪声,得到良好的数据压缩结果,压缩比为20～40.同时给出了基于二维离散小波... 详细信息

研究了基于二维离散小波变换的交通数据压缩与解压缩技术,建立了交通数据的空—时模型,所提出的二维离散小波变换算法利用交通数据的二维空—时特征,去除传感器噪声,得到良好的数据压缩结果,压缩比为20～40.同时给出了基于二维离散小波变换的交通数据压缩编码原理.采用北京市三环路检测断面测得的交通数据,验证所提出的算法是有效的.

关键词：二维离散小波变换智能交通系统数据压缩噪声交通数据

来源：评论

学校读者我要写书评

暂无评论

自适应的椭圆曲线滑动窗口标量乘法

引用

北京交通大学学报 2007年第2期31卷 6-9页

作者：赵佳韩臻北京交通大学计算机与信息技术学院北京100044

在公共密钥密码体系中,椭圆曲线加密算法是一种非常流行的方法,影响椭圆曲线算法执行效率的因素有很多,标量乘法就是一个重要因素．文中分析了几种现有的椭圆曲线标量乘法后,提出了一种改进的计算椭圆曲线标量乘法的算法,即自适应的滑... 详细信息

在公共密钥密码体系中,椭圆曲线加密算法是一种非常流行的方法,影响椭圆曲线算法执行效率的因素有很多,标量乘法就是一个重要因素．文中分析了几种现有的椭圆曲线标量乘法后,提出了一种改进的计算椭圆曲线标量乘法的算法,即自适应的滑动窗口标量乘算法．文中给出了改进算法中几个重要函数的实现方法,分析了改进算法的执行效率,并给出实验结果．

关键词：椭圆曲线标量乘算法自适应滑动窗口标量乘法经典倍乘-加算法滑动窗口算法

来源：评论

学校读者我要写书评

暂无评论

样本属性重要度的支持向量机方法

引用

北京交通大学学报 2007年第5期31卷 87-90页

作者：汪廷华田盛丰黄厚宽廖年冬北京交通大学计算机与信息技术学院北京100044

支持向量机(SVM)是一种新的机器学习方法,已经广泛应用于模式识别和函数估计等问题中.针对现有的加权支持向量机(WSVM)和模糊支持向量机(FSVM)只考虑样本重要性而没有考虑属性重要性对分类结果的影响的缺陷,提出了基于样本属性重要度的... 详细信息

支持向量机(SVM)是一种新的机器学习方法,已经广泛应用于模式识别和函数估计等问题中.针对现有的加权支持向量机(WSVM)和模糊支持向量机(FSVM)只考虑样本重要性而没有考虑属性重要性对分类结果的影响的缺陷,提出了基于样本属性重要度的支持向量机方法,该方法首先利用信息论中的信息增益技术计算各个样本特征属性对分类属性的重要度,然后对所有样本的同一特征属性的值分别用对应的属性重要度进行加权,最后所得数据集用于训练和测试SVM.数值实验的结果表明,该方法提高了分类器的分类精度.

关键词：支持向量机(SVM) 属性重要度信息增益机器学习

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：