论文部分内容阅读
介绍了M arkov逻辑网的理论模型、学习算法和推理算法,并将其应用于中文文本分类中。实验结合了判别式训练的学习算法,MC-SAT、吉布斯抽样和模拟退火等推理算法,结果表明基于M arkov逻辑网的分类方法能够取得比传统K邻近(KNN)分类算法更好的效果。
Markov逻辑网及其在文本分类中的应用
【摘 要】
：
介绍了M arkov逻辑网的理论模型、学习算法和推理算法,并将其应用于中文文本分类中。实验结合了判别式训练的学习算法,MC-SAT、吉布斯抽样和模拟退火等推理算法,结果表明基于M arkov逻辑网的分类方法能够取得比传统K邻近(KNN)分类算法更好的效果。
【机 构】
：
重庆大学计算机学院
【出 处】
：
计算机应用
【发表日期】
：
2009年10期
其他文献
文章充分肯定了近年来高校改革所取得的成绩,在此基础上,指出高校改革过程中监督机制存在的不足之处,并提出加强高校监督机制的主要措施.
为了提高粒子群优化算法的收敛速度,克服陷入局部最优的缺点,在全局—局部最优粒子群优化算法的基础上,提出了一种新的改进粒子群优化算法——全局—局部最优最小值粒子群优化算法。该算法把惯性权重和学习因子分别通过结合全局和局部最优最小值来进行改写,速度更新公式也做了相应的简化。仿真实验表明该算法在收敛速度和寻优质量上都优于基于LDIW策略改进的粒子群算法和全局—局部最优粒子群算法。
为了提高编码效率,H.264/AVC采用了许多新技术,多种分割模式是其重要技术,但全模式遍历法大大增加了编码复杂度。为了减小H.264/AVC的编码算法复杂度,提出了一种快速的帧间模式选择算法。该算法采取的主要方法包括:SKIP模式早期终止;利用空时相关性,在候选模式范围内采取自适应阈值早期终止技术;判断是否跳过帧内模式。实验结果表明,与JM10.2相比,编码时间减少最大超过30%;与JVT算法相
自动信任协商中,访问控制策略规范了用户访问资源的行为从而保护敏感信息与资源,当策略本身就包含敏感信息时,则策略的暴露会泄露隐私信息;而对策略的敏感信息再次进行保护时,则增加了协商复杂性。针对策略保护的矛盾,提出一种基于规则的自动信任协商模型——RBAM。对策略进行分解,将非敏感策略与域约束归为一类,并使用Agent技术来协商双方的交互,从而达到降低协商复杂度、提高协商效率的目的。
目的探讨脑外伤应激性高血糖动态变化与预后的关系。方法收集三个时间段检测脑外伤住院患者的血糖值，按照患者的预后分为痊愈、好转与死亡三组，对血糖结果进行统计学分析。结果
针对惯性权重线性递减粒子群算法(LDW)不能适应复杂的非线性优化搜索过程的问题,提出了一种非线性递减的惯性权重策略,使算法很快地进入局部搜索,并在算法中引入混合变异算子,克服算法易早熟收敛的缺陷。对几种典型函数的测试结果表明,本文算法的收敛速度和收敛精度都明显优于LDW算法。