排序方式: 共有3条查询结果,搜索用时 15 毫秒
1
1.
基于GA的多层次概念归纳学习方法 总被引:1,自引:0,他引:1
面向属性的归纳学习(亦称概念提升)是一种广泛使用的知识发现方法。通过归纳学习,使得属性域取值的抽象程度提高,从而得到较精练的数据集合,大大提高了规则的学习效率。但是实际应用环境中的数据属性维数非常多,属性概念层次也非常复杂,基于集合论的传统学习方法的效率变得越来越低。基于遗传算法的高搜索性能,提出了一个概念空间的特征概念层次优化搜索方法,特别是处理高维、具有复杂概念层次的问题时收到了较好的效果。 相似文献
2.
3.
给出了一种将基于统计与基于词典方法融合而成的混合中文分词方法,利用统计方法进行词典的动态扩展,克服了基于词典算法对"完全词典"的依赖;利用词典对统计的一些参数进行估计,避免了以往靠实验得到这些参数的不确定性,同时将RMM算法与统计算法结合起来.最后通过仿真说明该混合算法比传统的基于词典和基于统计的方法更有效. 相似文献
1