从百度百科挖掘领域知识相关度

本文提出利用百度百科这个开放的中文知识百科全书来计算知识领域间关联度的方法.通过抽取百度百科中词条的解释和分类信息,并经过分词以后,我们可以用向量空间模型(VSM)量化分类中的词条,然后提出用领域内词条的关联矩阵迭代的方法来计算单个领域中各个词条的权重.要计算2个领域的相关度,首先要分别算出它们各自领域中每个词条的权重...     

知识网络演化模型的仿真研究(英文)

研究了一类基于知识相关度的局部偏好连接机制和偏好删除机制的知识网络演化模型。数值模拟了知识网络累积度分布,累积度分布一开始近似服从无标度分布,而后出现一指数截断。最后比较了在一些不同连接与删除机制下生成的一些知识指标,仿真结果表明,基于知识的局部偏好连接机制和基于度的偏好删除机制比随机局部偏好连接机制和随机偏好删除机制更易于引起网络异质性及提高网络的绩效,而这些指标是有利于网络的形成。     

串行程序的并行划分算法研究

给出了一个将串行程序进行并行划分的算法,并对算法的有效性进行了理论分析和实验验证,结果表明,该算法能有效地并行划分串行程序,提高串行程序的执行效率.     

并行设计中耦合活动集的割裂规划

为了提高耦合活动集割裂规划的有效性,针对现有割裂方法只考虑设计活动之间行为上依赖关系的局限性,提出基于互相关度和自相关度综合指标的割裂准则.在构造该准则的过程中,用三角模糊数的层次分析法(AHP)分析设计资源之间的关系;用互相关度指标分析设计活动与设计资源之间的关系;用自相关度指标分析设计活动之间的关系.最后,结合某型起重机改进设计的实例,对新的割裂准则进行说明和验证.实践表明,该方法能有效保证并行设计过程在资源约束条件下顺利进行,并为设计资源快速调度规划提供依据.     

一种基于语义相关度的XML关键字查询排序方法

针对XML文档半结构化的特点及传统tf\|idf方法仅考虑关键字在文档中出现的频率, 而未考虑XML文档中节点的语义信息问题, 利用向量空间模型, 设计一种基于XML关键字查询结果的相关度排序策略. 相关度计算充分考虑XML文档中各节点对文档的区分程度、 节点描述文档的明确程度及节点描述文档的直接程度, 以提高节点权重度量的准确性, 从而将最相关的信息提供给用户, 经DBLP数据集实验验证了该方法的有效性.     

基于特征相关的改进加权朴素贝叶斯分类算法

朴素贝叶斯分类算法的特征项间强独立性的假设在现实中是很难满足的.为了在一定程度上放松这一假设,提出了基于特征相关的改进加权朴素贝叶斯分类算法,该算法采用一种新的权重计算方法,这种权重计算方法是在传统词频反文档频率(TF-IDF)权重计算基础上,考虑到特征项在类内和类间的分布情况,另外还结合特征项间的相关度,调整权重计算值,加大最能代表所属类的特征项的权重,将它称之为TF-IDF-FC权重计算.与基于传统TF-IDF权重的加权朴素贝叶斯分类算法和其他常用加权朴素贝叶斯分类算法比较,如基于属性加权的朴素贝叶斯分类算法,这种算法的分类效果均有一定的提高.     

基于知网的语义相关度计算

为解决句法分析中的结构性歧义,引入了语义相关度计算.基于语义相似度计算及知网的语义信息,提出了语义相关度计算方法;利用知网的义原纵向与横向关系及实例信息计算不同词性的相关度.在计算义原距离时,考虑了义原之间的解释关系,对义原的距离进行修正.根据相似度的对称性,计算实例的影响因素提高了相关度的准确率.实验结果表明,使用该计算方法得出的语义相关度结果更加合理.     

Prediction Model of Sewing Technical Condition by Grey Neural Network

The grey system theory and the artificial neural network technology were applied to predict the sewing technical condition. The representative parameters, such as needle, stitch, were selected. Prediction model was established based on the different fabrics' mechanical properties that measured by KES instrument. Grey relevant degree analysis was applied to choose the input parameters of the neural network. The result showed that prediction model has good precision. The average relative error was 4.08% for needle and 4.25% for stitch.     

基于邻域相关度和LBP算子的人脸图像识别

针对传统局部二值模式(local binary pattern,LBP)算子提取的图像纹理特征不完整、不能全面刻画人脸局部特征的问题,提出一种基于邻域相关度的改进LBP算子.该算子首先计算窗口内每个像素点的邻域相关度;其次利用邻域相关度的均值和方差构造新的NC_LBP算子,进而提取图像局部直方图特征,作为人脸识别的依据;最后利用Chi平方统计法计算直方图的不相似度,并用KNN算法进行分类.仿真实验表明,改进NC_LBP算子在ORL,JAFFE和YALE人脸数据库的识别中效果较好,特征区分度明显,识别准确率较高.