排序方式: 共有2条查询结果,搜索用时 0 毫秒
1
1.
主流句子分类算法采用单一词向量表示模型获得文本表示,导致了对文本的映射能力不足.对此,通过融合多种词向量的文本表示以提高分类的准确率.针对多核学习在融合不同核函数时,常规的核函数系数寻优方法存在的训练时间长、难以求得局部最优解等问题,提出了一种新的核函数系数寻优方法,该方法基于参数空间分割与广度优先搜索不断逼近核系数的最优值.以支持向量机(support vector machine,SVM)为分类器,在7个文本数据集上进行了分类实验.实验结果表明,多核学习分类效果明显优于单核学习,并且所提出的寻优方法在训练次数少于常规方法时也能获得了好的分类效果. 相似文献
2.
针对目前乒乓球捡球机捡球机构不完善、乒乓球识别算法适应性差的问题,提出一种基于视觉识别的智能乒乓球捡球机.采用树莓派4B开发板作为控制单元,利用轻量化的you only look once (YOLO) v5s算法,对乒乓球进行识别;通过扇叶式集球机构,将乒乓球卷入收纳篮.实验结果表明:在乒乓球数小于150个的情况下,该捡球机的识别精确率与查全率均可达到95%以上,漏检率控制在7%以下.同时,集球机构结构简单、可靠、效率高,整体设计方案具有较好的实际应用价值. 相似文献
1