排序方式： 共有2条查询结果，搜索用时 15 毫秒
1
1.
基于多关键字匹配的Sun Wu算法进行的分析，结合Qs算法的思想，设计了一种改进的多关键字匹配算法：QMS（quick multi-pattern searching）。算法使用散列技术和前缀表减少发生部分匹配时实际进行的关键字比较次数。在计算跳跃距离时，充分考虑当前窗口的紧邻下一个字符带来的信息，进而使用更加精确的跳跃距离计算方法以获得更大的平均跳跃距离，从而获得更高的扫描效率和空间利用率。在真实文本上的对比实验表明，在通常应用环境中，该算法显著的缩短了扫描时间，取得了很好的效果。 相似文献
2.
为使支持向量机(SVM)更加适用于在线文本分类应用,利用SVM在小训练样本集条件下仍有高泛化能力的特性,结合文本特征向量在特征空间中具有聚类性的特点,提出一种用语义中心集代替原训练样本集作为训练样本和支持向量的SVM语义SVM.文中给出了语义中心集的生成步骤、语义SVM的在线学习算法框架,以及基于SMO算法的在线学习算法的实现.实验结果表明,相对于标准SVM,语义SVM及其在线学习算法不仅在线学习速度和分类速度有数量级提高,而且在分类准确率方面具有一定优势. 相似文献
1