排序方式: 共有171条查询结果,搜索用时 31 毫秒
141.
《中南民族大学学报(自然科学版)》2017,(1):102-106
针对传统基于特征的中文分词模型中,参数相对于训练数据过多而难以准确估计特征权值这一问题,提出了一种基于特征嵌入的神经网络方法.嵌入方法将特征转化为低维实值向量,能有效降低特征维度.另外,为了增强模型的性能,给出了一种学习速率线性衰减方法.研究了正则项的方法来增强模型的泛化能力.实验表明:文中提出的模型可以提高中文分词问题的求解效率. 相似文献
142.
《中南民族大学学报(自然科学版)》2016,(2):135-140
分析了影响动态规划算法时间复杂度的3个因素,分别从3个方面给出了改进动态规划算法时间复杂度的优化措施,从理论上分析了优化方法的有效性和正确性.与传统算法相比,优化后的算法时间复杂度有一定程度的提高,能够适用于数据规模更大的问题. 相似文献
143.
《中南民族大学学报(自然科学版)》2016,(4):101-105
在动态规划算法的基础上提出了改进算法,对于0-1背包问题,改进了动态规划算法的状态表示以减少需要计算的状态个数来求解该问题;对于完全背包问题,简化了动态规划算法状态的决策依赖关系来求解该问题.实验结果表明:所提出的改进算法在时空效率上具有一定的有效性和优越性. 相似文献
144.
《中南民族大学学报(自然科学版)》2016,(3):117-122
引入云模型改进基于标签的用户相似性和资源相似性度量方法,进而提出了基于标签和云模型的协同过滤算法.通过在Movie Lens数据集上的实验表明:改进后的算法在precision,recall和F1-measure三个指标上均取得较好的推荐效果,推荐效率均优于传统的方法. 相似文献
145.
针对自然图像信号的非平稳特性和不同图像块的变换域系数的分布差异较大, 基于分块图像子带自适应
稀疏表示规则化,提出了一种新的压缩感知图像重构方法.先利用非局部相似块组估计每个分块图像变换域各子
带系数的均值和标准差,再将图像块各子带系数进行去均值并关于标准差归一化, 最后将去均值归一化处理的子
带系数的l1范数表示用于规则化压缩感知重构.由于块子带自适应稀疏表示更加合理地表达了稀疏系数的重要
性,使得重构图像能够更好地保留纹理、边缘等细节信息.大量的实验结果表明: 相比组稀疏表示的压缩感知重构
算法,该方法重构图像的峰值信噪比平均提高了0.69 dB. 相似文献
146.
基于ZigBee网络的自适应剪枝能耗均衡路由算法 总被引:1,自引:0,他引:1
《中南民族大学学报(自然科学版)》2017,(2):129-132
在ZigBee网络中建立两个节点的通信时,为了既保证路径中总的能量耗费最低,又令路径中不包括剩余能量较少的节点,尽量延长网络的寿命,提出了基于ZigBee网络的自适应剪枝能耗均衡(AP-ECB)路由算法.该算法包括两个改进的策略:自适应剪枝策略和能耗均衡策略.自适应剪枝策略采用有效的剪枝策略令更多的节点进入休眠状态,节约了能耗;能耗均衡策略规避了将剩余能量较少的节点选入路径,保证了ZigBee网络的可用性.对AODVjr和AP-ECB路由算法进行了仿真验证,结果表明:AP-ECB路由算法选择的路径能耗更少,同时遇到的死亡节点更少. 相似文献
147.
《中南民族大学学报(自然科学版)》2017,(1):107-112
参考当前所处位置的人员密度以及所选出口的密度大小,融合元胞自动机与粒子群优化算法,建立了一个新的CA-PSO人员疏散模型模拟教学楼中学生的疏散过程.通过对同一疏散环境中教室的学生进行模拟疏散实验对比,结果表明:在元胞自动机模型基础上结合粒子群优化算法,模拟疏散过程的结果更加符合实际,疏散效率高.将其结合地理信息系统,模拟教学楼某楼层学生疏散行为,具有较好的实用性和通用性. 相似文献
148.
《中南民族大学学报(自然科学版)》2016,(3):130-134
分析了影响FP查询速度的原因,并在此基础上提出了一种新的基于二级串联布隆过滤的冗余数据块发现算法.实验结果表明:该算法在FP查询性能及数据存储速度方面优于已有算法. 相似文献
149.
《中南民族大学学报(自然科学版)》2016,(4):111-115
分析了当前社交网络中大量小文件数据特点,将访问日志与数据挖掘相结合,提出了一种基于频繁项挖掘的大量小文件动态合并算法.此算法实现小文件动态合并,解决了合并文件的一致性问题,从而预测用户下一步的访问,为预取小文件做引导,提高预取的命中率.针对预取和缓存的文件过多的特点,设计了一种新的含循环单链表的缓存置换算法优化缓存内容.通过实验证明,该算法大量小文件动态合并性能优于已有的算法. 相似文献
150.
《中南民族大学学报(自然科学版)》2019,(2):265-272
基于传统优化模型展开的深度网络由于集成了深度学习与传统优化方法的优点,具有良好的可解释性,在当前图像处理与计算机视觉领域得到广泛关注.提出了一种级联模型展开与残差学习的图像压缩感知重构深度网络框架,以实现重构图像质量的进一步改善.第一级的基于模型展开的深度网络根据输入的压缩测量值得到初始的重构图像,第二级的深度残差网络对初始重构图像进行去噪处理,最终得到高质量的重构结果.该两级级联网络的训练分别独立完成,训练过程简单易实现,将ADMM-Net与Res Net级联实现对磁共振图像重构,将ISTA-Net+与Res Net级联实现对自然图像重构.大量实验结果比较验证了所提出方法的有效性. 相似文献