检索结果-内蒙古大学图书馆

机器人 1990年第6期12卷 10-17页

作者：金小平何克忠袁曾任清华大学计算机系人工智能教研室

本文阐述了两类机器人的导航方法:第一类方法是,先生成整个路径,然后进行路径跟踪控制;第二类方法是所谓的势场方法,即利用人工势场直接进行运动控制.在此基础上,我们提出了用于移动机器人系统导航的动态路径规划-控制方法.系统根据环... 详细信息

本文阐述了两类机器人的导航方法:第一类方法是,先生成整个路径,然后进行路径跟踪控制;第二类方法是所谓的势场方法,即利用人工势场直接进行运动控制.在此基础上,我们提出了用于移动机器人系统导航的动态路径规划-控制方法.系统根据环境信息对路径进行动态的生成与控制,从而与实际环境实现了闭环,增加了对系统的稳定性和对环境的适应能力.

关键词：移动机器人路径规划

来源：评论

学校读者我要写书评

暂无评论

基于线条特征的双目立体图象匹配算法

引用

机器人 1990年第1期12卷 34-41页

作者：艾海舟许万雍周远清清华大学计算机系人工智能教研室

本论文阐述一种以线条特征为匹配基元的双目立体图象匹配算法.该算法以区域相似性度量为核心,以多层表示为基础,采用由粗而精的控制策略,通过预测、归并、分解、传播四个过程实现.考虑到实际环境中的双目立体图象的非理想性及抽取出来... 详细信息

本论文阐述一种以线条特征为匹配基元的双目立体图象匹配算法.该算法以区域相似性度量为核心,以多层表示为基础,采用由粗而精的控制策略,通过预测、归并、分解、传播四个过程实现.考虑到实际环境中的双目立体图象的非理想性及抽取出来的线条特征的非完整性(断续、偏差),允许某种程度的纵向偏差,引入中心主轴概念,在分解的过程中建立对应,计算视差.首先由前三个过程建立起可靠的粗层次对应,称之为骨架对应.然后利用连续性约束假设将骨架对应的结果由传播过程逐级传播到整幅图象中去.该匹配算法速度快、效率高,有较强的灵活性和适应性.实验结果表明,匹配的正确率在80％以上.

关键词：自主车立体视觉图象匹配

来源：评论

学校读者我要写书评

暂无评论

“取决”与“来源"小议

引用

中国语文 1998年第6期 414-416页

作者：孙茂松清华大学计算机系人工智能教研室北京100084

感觉上,"取决"是动词,但似乎很难单独出现于句子中,必须后加"于"字才能实现其动词的用法;"来源"有两个义项:一个义项是名词,另外一个义项像是动词,同"取决"一样,也要求后加"于"字。... 详细信息

感觉上,"取决"是动词,但似乎很难单独出现于句子中,必须后加"于"字才能实现其动词的用法;"来源"有两个义项:一个义项是名词,另外一个义项像是动词,同"取决"一样,也要求后加"于"字。查阅了《现代汉语词典》(修订本)(简称《现汉》)上的相关释文:【取决】由某方面或某种情况决定(后面多跟有‘于’字):成绩的大小～于努力的程度。【来源】①事物所从来的地方;事物的根源:经济～。②(事物)起源;发生(后面跟‘于’)

关键词：来源复合动词义项现代汉语词典动补结构事物句子名词用法起源

来源：评论

学校读者我要写书评

暂无评论

数据挖掘综述

引用

模式识别与人工智能 2001年第1期14卷 48-55页

作者：钟晓马少平张钹俞瑞钊浙江大学计算机系人工智能研究所智能软件实验室杭州310027 清华大学计算机科学技术系

数据挖掘技术是一个新兴的、非常重要的、具有广阔应用前景和富有挑战性的研究领域。本文结合具体实例,从概念、方法、特点、任务、过程、应用以及所面临的挑战等各方面对其作了较详细的评述。

关键词：数据挖掘关联规则聚类数据库

来源：评论

学校读者我要写书评

暂无评论

TikTok推荐算法

引用

中国科学基金 2021年第3期35卷 415-416页

作者：刘奕群张敏清华大学计算机系清华大学计算机系人工智能实验室

TikTok是全球最具吸引力、增长最快的社交媒体平台之一。截至目前,TikTok在全球范围内已超过26亿次下载量,在美国拥有1亿用户。TikTok发现和提供内容的独特方式是其具有吸引力的"秘密武器"。TikTok将网红博主的视频与新人博... 详细信息

TikTok是全球最具吸引力、增长最快的社交媒体平台之一。截至目前,TikTok在全球范围内已超过26亿次下载量,在美国拥有1亿用户。TikTok发现和提供内容的独特方式是其具有吸引力的"秘密武器"。TikTok将网红博主的视频与新人博主的视频混合放在"为你推荐"页面,然后以浏览量奖励优质创作内容,用这种方式将更多新人博主的视频推给广大用户。该应用不同于其他社交媒体平台的是,任何人在"为你推荐"页面都有可能"一举成名"。

关键词：推荐算法 TikTok 个性化推荐

来源：评论

学校读者我要写书评

暂无评论

基于Geo-Union的数字校园系统的设计与实现

引用

中国图象图形学报（A辑） 2002年第8期7卷 844-850页

作者：罗英伟刘昕鹏王月龙汪小林许卓群北京大学计算机系人工智能教研室北京100871

简要论述了数字化城市的发展和应用 ,针对数字城市建设的复杂性 ,从数字化校园系统建设着手 ,探讨了开发组件式数字化校园系统的关键技术和整体开发方案 ,对数字城市进行了有益的尝试和并提供了有益的借鉴 .采用 Geo- U nion系统开发平... 详细信息

简要论述了数字化城市的发展和应用 ,针对数字城市建设的复杂性 ,从数字化校园系统建设着手 ,探讨了开发组件式数字化校园系统的关键技术和整体开发方案 ,对数字城市进行了有益的尝试和并提供了有益的借鉴 .采用 Geo- U nion系统开发平台 ,构建了一个数字北大校园系统 ,对它的系统体系结构、数据库建设、功能设计以及基于 Web GIS构件的实现进行了比较详细的探讨 .数字北大校园系统集成了校园内各方面的服务信息 ,将成为北大师生及其他用户极为方便的一个信息渠道 ,也将成为展示北大形象的一个新的窗口 .

关键词： Geo-Union 数字校园系统设计数字城市 WebGIS 空间数据库

来源：评论

学校读者我要写书评

暂无评论

汉字原型与手写汉字识别

引用

中文信息学报 1995年第4期9卷 60-67页

作者：姜珊清华大学计算机系人工智能实验室

本文评述了目前三种汉字的计算机表示和二种传统的汉字结构分析方法。应用拓朴和几何的基本原理，分析汉字结构及其制约关系。从而，确定四类组成汉字的基本关系并在此基础上实现了汉字原型。

关键词：汉字原型手写汉字识别汉字信息处理计算机

来源：评论

学校读者我要写书评

暂无评论

一种简单的线条特征抽取算法

引用

机器人 1989年第4期3卷 32-35,39页

作者：艾海舟许万雍周远清清华大学计算机系人工智能研究室国家智能技术与系统实验室

本文阐述了一种简单的线条特征法,该算法是通过边缘检测,细化、符号化三过程实现的,而符号化过程是借助于边缘检测的方向码通过扫描、连接、补缺三步骤完成的,根据所选择的控制参数,可以形成基于最短线条长度的各种层次的符号化描述,灵... 详细信息

本文阐述了一种简单的线条特征法,该算法是通过边缘检测,细化、符号化三过程实现的,而符号化过程是借助于边缘检测的方向码通过扫描、连接、补缺三步骤完成的,根据所选择的控制参数,可以形成基于最短线条长度的各种层次的符号化描述,灵活性强,速度快,效率高,特别适用于双目立体视觉的研究中,用来获得线条基元。

关键词：机器视觉边缘检测特征抽取细化

来源：评论

学校读者我要写书评

暂无评论

基于概率典型性和聚类排斥的无噪声模糊聚类方法

引用

小型微型计算机系统 2005年第9期26卷 1536-1539页

作者：管涛朱小燕清华大学计算机系人工智能国家重点实验室北京100084

提出了建立在概率典型性和聚类排斥基础上的一个新型无噪声模糊聚类方法RTCM,给出了它的迭代算法过程,并验证了它的收敛性.首先引述了一般的聚类方法,它们主要分为两种:噪声聚类,如模糊c均值(FCM)、可能模糊c均值(FPCM);无噪声聚类,如NC... 详细信息

提出了建立在概率典型性和聚类排斥基础上的一个新型无噪声模糊聚类方法RTCM,给出了它的迭代算法过程,并验证了它的收敛性.首先引述了一般的聚类方法,它们主要分为两种:噪声聚类,如模糊c均值(FCM)、可能模糊c均值(FPCM);无噪声聚类,如NC、PCM等,然后给出了RTCM算法模型和过程,并验证了它的局部收敛性.该算法解决噪声环境下的数据聚类问题,避免了重叠聚类.对比试验表明,该算法改善了噪声环境下FCM,NC、PCM、FPCM的聚类中心质量,有效地解决了PCM在近邻聚类数据中的聚类重叠问题.

关键词：模糊聚类概率典型性聚类排斥无噪声模糊聚类

来源：评论

学校读者我要写书评

暂无评论

多层反馈神经网络的FP学习和综合算法

引用

软件学报 1997年第4期8卷 252-258页

作者：张铃张钹安徽大学人工智能研究所清华大学计算机系智能技术与系统国家重点实验室

本文给出多层反馈神经网络的ＦＰ学习和综合算法，并讨论此类网络的性质，指出将它应用于聚类分析能给出不粒度的聚类，且具有收敛速度快（是样本个数的线性函数）、算法计算量少（是样本个数和输入、输出维数的双线性函数）、网络元件... 详细信息

本文给出多层反馈神经网络的ＦＰ学习和综合算法，并讨论此类网络的性质，指出将它应用于聚类分析能给出不粒度的聚类，且具有收敛速度快（是样本个数的线性函数）、算法计算量少（是样本个数和输入、输出维数的双线性函数）、网络元件个数少、权系数简单（只取３个值）、网络容易硬件实现等优点．

关键词：多层反馈神经网络学习算法聚类

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：