示例学习相关论文
本文简要介绍了基于示例学习的认知技能获得的研究,涉及的问题包括示例学习的过程、影响认知技能获得的因素、认知技能获得中的练习......
以飞行状态特征参数为研究对象,基于示例学习原理,利用遗传算法的优化搜索能力,实现了从实际的飞行数据中自动获取飞行动作识别的......
该文系统地研究了在模糊环境下的机器学习重要分支—示例学习理论、算法及其应用.以Zadeh的模糊集理论为基础,该文建立的示例学习......
首先介绍了经典示例学习算法并且指出了经典算法中存在的一些缺陷和不足,分别分析了ID3算法、模糊ID3算法、基于不确定性算法存在......
肖像画是一种非常流行的艺术表现形式。肖像画,特别是人脸的肖像可以艺术化地表现出个人的面部特性。但是,绘制肖像画,特别是要想把人......
示例学习是从某一概念的已知正例集合和反例集合中归纳出描述所有正例并排斥所有反例的该概念的一般规则,因此,示例学习也称为概念......
本文对粗集和示例学习间关系进行研究.本文先对示例学习方法进行了扩展,然后对分明矩阵的概念进行了改造,提出了决策分明矩阵的概......
为了获得高效率和更简洁的知识 ,一些启发式算法被提出用于基于扩张矩阵理论的示例学习研究 .该文基于粗集理论研究扩张矩阵的示例......
本文以一种概念获取算法RAA为基础,在IBM-PC/286微机上用TURBOPROLOG 2.0语言实现了一个知识自动获取系统KAAS(Knowledge automati......
该文讨论了示例学习中有关连续值的模糊化问题,并在此基础上引入了模糊决策树归纳学习算法。通过示例比较,指出:进行连续值模糊化时,模......
机器学习系统可视为一个闭环控制系统,可以应用控制系统的有关结论和研究思路来重新认识和构造学习系统。该文将串级控制系统的结构......
该文提出了一种基于复杂问题分解的布尔函数极小化方法SWT3。SWT3主要由三个步骤组成:首先用概念聚类系统LEOBS将所给布尔函数分解......
本文给出了析取式最小问题是NP困难问题的新的证明,之后给出了两个扩张矩阵合并的完备策略,在此基础上给出了扩张矩阵合并的启发函数......
该文利用概念爬升的方法来解决属性值划分区间问题,通过分析属性值划分区间对数据挖掘结果的影响,利用粗糙集理论中关于属性依赖强......
通过网络进行学习已经成为人们获取知识的一种重要途径。随着网络技术的发展和学习社会化、终身化的要求,网络教育必将成为人们接受......
示例学习中传统的扩张矩阵理论和启发式算法是建立在正反例子集一致、没有噪音的基础上的.然而实际应用领域中的噪音数据,导致许多......
以扩张矩阵理论为基础,应用数学规划理论提出了一种规划模型求解方法,可以更好地实现概念学习和特征提取.与传统的启发式算法相比,......
为了获得高效率和更简洁的知识,一些启发式算法被提出用于基于扩张矩阵理论的示例学习研究.该文基于粗集理论研究扩张矩阵的示例学......
描述了一种基于示例学习的方法来检测具有复杂背景的图像中正面人脸的位置。这项技术使用了图像模型聚类的方式构造了人脸模式的分......
本文方法通过学习诸多信源在一定时间段内的变化过程,挖掘出那些与结论相关的信源及与结论相关时间片段。形成最终的决策树模式。该......
飞行器和空间成像制导装备在大气中高速飞行时会受到湍流干扰,导致光学系统接收到的图像发生模糊降质、像素偏移、信噪比降低等问......
特征选择是示例学习的关键,直接关系到获取的概念的优劣.基于扩张矩阵理论和粗集理论,将特征子集的选择问题转化为数学优化问题,提......
本文对扩张矩阵理论加以扩充,提出关于公式的扩张矩阵的概念,并据此实现一个广义扩张矩阵算法叫做AE9,本文还将AE9和AQ15应用于几个实际领域的学......
文章介绍一个基于复用的上下文无关文法获取过程的设计和实现,该过程用于获取以上下文无关文法表示的概念,它从待获取概念的有限实例......
示例学习是从某一概念的已给的正例集合和反例集合中归纳产生出描述所有正例并排除所有反例的该概念的一般规则,而扩张矩阵理论将寻......
目前,基于逻辑的示例学习算法主要分两大类,决策树算法和基于规则的算法,前者以ID3为代表,ID3使用“信息熵”作启发式得出较小的决策树,但ID3算法......
提出示例学习的一种几何理论,即扩张图方法,应用该方法得了最优覆盖问题的近似解,该方法直观,清晰,并具有渐近式学习功能。......
简要回顾了示例学习的基本知识,并在此基础上,针对基本模糊控制器依赖人为经验的局限性,提出了一种基于示例学习的模糊控制器并给出了......
针对人脸图像超分辨率复原问题,提出了一种新的基于自样本学习的超分辨率复原算法。该算法从输入图像本身提取训练样本库,并采用矢......
到目前为止,一些启发式算法被提出用于基于扩张矩阵理论的示例学习研究,该文基于粗集理论研究示例学习问题,提出了粗集理论下的几个新......
所谓示例学习,就是通过考察例题和解决问题进行学习。作为获取知识的一种重要方法,示例学习历来就受到教育学家和心理学家的关注,并成......
给出一种能够接受特征及变化的示例学习方法.该方法是对ID3方法的一种改进,传统ID3方法是基于特征值的学习,训练示例是若干组静态特......
特征空间是人工智能领域中经常用的基本概念之一,人工智能领域中的许多问题可以可以通过特征空间变换的方法化简和求解。文中提出了......
借鉴聚类思想和万有引力计算方法,提出了解决基于示例学习中两个关键问题的新思路,这两个新思路分别是,利用示例邻近同类其它示例数目......
本文提出一个启发式示例学习算法.同现存的示例学习方法相比,本文算法是基于演绎推理的.并且不需要提供反例集.本文算法对给定的正例集......
本文证明了示例学习中的最大复合问题是NP难题,给出了求解最大复问题的近似算法,并将此示例学习算法应用于手写数学识别。实验证明,基于......
示例学习中传统的扩张矩阵理论和启发式算法是建立在正反例子集一致、没有噪音的基础上的。然而实际应用领域中的噪音数据,导致许多......
本文提出示例学习的一种计算理论,扩张矩阵论.根据这个理论,示例学习中一些主要最优化问题被证明是NP难题,并给出这些难题的近似解......
从一个新的角度-保序观点出发,改进ID3规则,以提高建立决策树的速度,并给出实验的初步结果.......
提出一个连续属性离散化方法TCIN,它首先使用自然划分法对区间进行划分,然后使用KN-近邻估计,利用基于最小错误率的Bayes决策寻找划分点进一步离散......
为了获得高效率和更简洁的知识,一些启发式算法被提出用于基于扩张矩阵理论的示例学习研究。该文基于粗集理论研究扩张矩阵的示例学......
在示例学习这一机器学习的分支领域中有两类非常重要的算法,其中一个是以ID3为代表算法,其知识表示是用决策树。在是AQ算法,其知识表示是产......
为了比较研究IBLE算法和ID_3算法的学习性能,本文用大量的质谱数据对两种算法做了学习实验。经过学习,IBLE 的平均预测率为93.96%......