【摘 要】
：
为提升领域知识认知、解读的效率,以现有技术为基础,进一步研究了知识的图形化展示方法。基于本体和语义网技术讨论了适用于图形化展示的知识模型和相应展示方案。针对知识图布图问题,基于遗传算法,研究了目标函数、对编码方案进行了优化、引入了优势解保留的精英解群,并改进了遗传策略。算例对比证明,该算法能够在减少交叉点的同时达到聚类目的,效率较高。以上研究的知识模型和布图算法可用于实际系统,并为类似研究提供参考
论文部分内容阅读
为提升领域知识认知、解读的效率,以现有技术为基础,进一步研究了知识的图形化展示方法。基于本体和语义网技术讨论了适用于图形化展示的知识模型和相应展示方案。针对知识图布图问题,基于遗传算法,研究了目标函数、对编码方案进行了优化、引入了优势解保留的精英解群,并改进了遗传策略。算例对比证明,该算法能够在减少交叉点的同时达到聚类目的,效率较高。以上研究的知识模型和布图算法可用于实际系统,并为类似研究提供参考。
其他文献
改革开放以来，我国高等教育事业得到了较快的发展，国家着重建设了一批重点高校和重点学科，“211工程”和“985工程”推动了研究型大学的实践尝试。经过十多年的发展，我国研究型大
一 改革开放以来，我国高等教育的改革和发展与我国社会的整体转型、经济社会发展状况、对外开放进程直接相关，不同阶段主流的社会思潮、国家的方针政策以及世界经济与科技发展
为了进一步改善非线性功率放大器系统的线性度,提出了一种基于BP神经网络逆向建模的离线训练自适应预失真方法。利用BP神经网络对功放逆向建模,并将建立好的逆模型参数作为预失真器模型初值。为了提高在初始预失真系统中预失真器的线性化效果及系统自适应进程的速度,在建立自适应预失真系统之前,利用BP逆向模型对预失真器进行离线训练。最后采用直接结构和最小均方(LMS)算法调节神经网络预失真器的权值,以消除放大器
在美国从殖民地走向独立的过程中，政治领袖们常常将教育视为国家进步的工具之一。学校和学院成为培养国家认同感和民族统一的理想场所，教育的“功用”与对国家繁荣、安全、和谐
在MMI和EMI理论及实证调查的基础上,本文以福建省为例,对改革开放后高等教育规模扩张过程中社会阶层子女入学机会分布的变化情况进行了研究。结果发现,各阶层子女总体的入学
针对不确定数据流上的聚类问题提出一种不确定数据流子空间聚类算法UDSSC。该算法使用滑动窗口机制接收新到达的数据,剔除陈旧的数据;还引入子空间簇生成策略和新型离群点机制;系统建立了三个缓冲区分别存储新到来的元组、要进行聚类的元组和离群点元组,以此获得高质量的聚类结果。实验表明,UDSSC算法与同类型算法相比,具有更好的聚类效果、更低的时间复杂度和更强的扩展性。
针对现有的Forth自生成器都与目标环境密切关联、缺少抽象层次、难以在异构新平台上有效生成新的Forth系统等问题,通过采用抽象code算法库、描述异构目标,并重构Forth虚拟机的方法,构建完成了一个面向嵌入式环境、具有多目标特性的Forth自生成器。该生成器简化了传统编译器复杂的前端和后端设计,依托Forth特有的解释执行状态和字典结构,可快速生成新的目标系统。实验结果表明,该自生成器代码生成
针对现有汉语语义计算中概念图匹配计算存在不准确的问题,提出一种基于实体—属性—属性值(EA-V)结构相似度的概念图匹配算法。该算法以概念图理论、汉语概念内涵结构逻辑模型和自然语言处理技术为基础,以递归概念图为知识表示方法,结合E-A-V结构相似度计算方法,进行概念图匹配。实验结果表明,该算法在概念图匹配上取得了较好的效果。通过运用该算法,概念图匹配不准确的问题能够得到较好的改善。
在很多新兴应用领域、如传感器网络,实时监控系统等,产生的数据流是不断变化的、连续到达的、数据值可能不确定、且必须被快速处理。其中有些操作,如数据流的实时窗口连接运算,非常消耗时间,这对数据流处理系统的性能提出了严峻的挑战。目前,大多数算法采用软件优化来提高处理速度,但其性能提高有限。利用GPU(图形处理器)的高并行度、多线程、高带宽的并行处理能力,设计了一种软硬件结合的方法来加速处理数据流的窗口连
针对传统的粒子群优化算法(PSO)和差分进化算法(DE)在解决高维复杂函数易陷于局部最优、收敛较慢、精度低等缺点,提出了基于分组的PSO与DE混合算法(PSODE)。PSODE算法把种群按维数分为两组,每组的维数为原来的一半,而种群规模不变,一组由改进的PSO操作进化,另一组由DE操作进化,然后通过信息交换机制实现协同进化。与传统的PSO算法不同,新算法按一定的概率交替使用非线性改变的惯性权重和随