共查询到19条相似文献,搜索用时 259 毫秒
1.
2.
一种基于改进CP网络与HMM相结合的混合音素识别方法 总被引:2,自引:0,他引:2
提出了一种基于改进对偶传播(CP)神经网络与隐驰尔可夫模型(HMM)相结合的混合音素识别方法.这一方法的特点是用一个具有有指导学习矢量量化(LVQ)和动态节点分配等特性的改进的CP网络生成离散HMM音素识别系统中的码书。因此,用这一方法构造的混合音素识别系统中的码书实际上是一个由有指导LVQ算法训练的具有很强分类能力的高性能分类器,这就意味着在用HMM对语音信号进行建模之前,由码书产生的观测序列中 相似文献
3.
Q-learning算法及其在囚徒困境问题中的实现 总被引:5,自引:0,他引:5
Q-learning是一种优良的强化学习算法。该文首先阐述了Q-learning的基本学习机制,然后以囚徒困境问题为背景,分析、对比T Q-learning算法与TFT算法,验证了 Q-learning算法的优良特性。 相似文献
4.
一种新的动态关联规则及其挖掘算法 总被引:4,自引:0,他引:4
在分析原有定义不足的基础上,提出一种新的动态关联规则,其支持度向量和置信度向量与经典定义相吻合,能更好地反映规则随时间变化的动态信息.进一步提出两种新的动态关联规则挖掘算法:ITS和EFPgrowth.其中:两阶段ITS算法具有较好的可理解性;基于扩展FP树的EFPgrowth算法适宜于高密度海量数据的挖掘.实验结果表明,该算法具有较好的挖掘性能和可扩展性,适用于动态关联规则的有效挖掘. 相似文献
5.
分析了模糊矢量量化(FVQ)图象编码的原理,给出了FVQ设计三要素。提出了用于图象编码的指数型模糊矢量量化算法(FVQE)。实验结果表明,FVQE的图象编码性能与FVQ相当,但收敛速度要略快于FVQ算法。 相似文献
6.
本文论述了一个能分析干扰自由手写数字识别的神经网络和专家系统模型。它的基本识别器是一个神经系统网络,能解决大部分问题,但在一定的干扰影响下会失败。专家系统是第二个识别器,由神经网络分析产生的干扰。神经网络分类器由改进的自组织图形(MSOM)和矢量化学习(LVQ)组成。实验在自组织图形上进行,并应用了MSOM、SOM&LVQ以及MSOM&LVQ技术。实验表明,采用自由手写体数据库的样本,按照这些两层 相似文献
7.
陆哲明 《中国图象图形学报》2000,5(10):846-850
近年来,许多学者已经成功地将Kohonen的自组织特征映射(SOFM)神经网络应用于矢量量化(VQ)图象压缩编码,相对于传统的KLBG算法,基于的SOFM算法的两个主要缺点是计算量大和生成的码书性能较差因此为了改善码书性能,对基本的SOFM算法的权值调整方法作了一些改进,同时为了降低计算量,又在决定获得胜神经元的过程中,采用快速搜索算法,在将改进的算法用于矢量量化码书设计后,并把生成的码书用于图象 相似文献
8.
本文首先简要介绍面向对象数据库的多粒度锁,然后针对传统的单队列锁调度算法(SQS),设计了双旬调度算法(DQS)和相容优先调度算法(CRF),在建立了一个模拟模型后,对本文提出的锁调度算法进行性能模拟,模拟实验证明了相容优先调先调度算法比SQS和DQS都要优越,模拟实验同时研究了切换周期,锁请求的服务率和延迟等待队列的最大长度对DQS算法性能的影响,最后研究了硬件资源个数对CRFD算法的影响。 相似文献
9.
解非线性最小二乘的并行连续极小化算法及其数值试验 总被引:2,自引:0,他引:2
解非线性最小二乘的并行连续极小化算法及其数值试验李庆扬,朱鹏(清华大学)APARALLELCONTINUOUSMINIMIZATIONALGORITHMFORSOLVINGNONLINEARLEAST-SQUARESPROBLEMSANDNUMERI... 相似文献
10.
求解具有间断系数的SH波方程的分步差分方法何柏荣(南开大学)冯德益,聂永安(天津市地震局)THEFRACTIONALSTEPDIFFERENCEMETHODSFORSOLVINGTHESHWAVEEQUATIONWITHDISCONTINUOUSCO... 相似文献
11.
《自动化学报》1999,25(5):1
In this paper, the performance of GLVQ-F algorithm of
GLVQ network is theoretically analyzed. The GLVQF algorithm, to some extent, has overcome
the shortcomings that GLVQ algorithm possesses. But, there are some problems in GLVQF
algorithm, for example, the algorithm has good performance on the winning prototype, and
on other prototypes, its performance is very unstable. In this paper, the reasons of the
problem are discussed. The rules of choosing the learning rates are proposed, and two
modified algorithms are developed therefrom. Finally, the performance of the modified
algorithms is verified with IRIS data, which shows the modified algorithms are more stable
and effective than GLVQF algorithm. 相似文献
12.
13.
讨论了Pal等的广义学习量化算法(GLVQ)和Karayiannis等的模糊学习量化算法(FGLVQ)的优缺点,提出了修正广义学习量化(RGLVQ)算法。该算法的迭代系数有很好的上下界,解决了GLVQ的“Scale”问题,又不像FGLVQ算法对初始学习率敏感。用IRIS数据集对算法进行了测试,并应用所给算法进行了用于图像压缩的量化码书设计。该文算法与FGLVQ类算法性能相当,但少了大量浮点除法,实验过程表明节约训练时间约l0%。 相似文献
14.
15.
学习向量量化(LVQ)和泛化学习向量量化(GLVQ)算法都是采用欧氏距离作为相似性度量函数, 忽视了向量各维属性的数据取值范围,从而不能区分各维属性在分类中的不同作用。针对该问题,使用一种面向特征取值范围的向量相似性度量函数,对GLVQ进行改进,提出了GLVQ-FR算法。使用视频车型分类数据进行改进型GLVQ和LVQ2.1、GLVQ、GRLVQ、GMLVQ等算法的对比实验,结果表明:GLVQ-FR算法在车型分类中具有较高的分类准确性、运算速度和真实生产环境中的可用性。 相似文献
16.
17.
An analysis of the GLVQ algorithm 总被引:6,自引:0,他引:6
Generalized learning vector quantization (GLVQ) has been proposed in as a generalization of the simple competitive learning (SCL) algorithm. The main argument of GLVQ proposal is its superior insensitivity to the initial values of the weights (code vectors). In this paper we show that the distinctive characteristics of the definition of GLVQ disappear outside a small domain of applications. GLVQ becomes identical to SCL when either the number of code vectors grows or the size of the input space is large. Besides that, the behavior of GLVQ is inconsistent for problems defined on very small scale input spaces. The adaptation rules fluctuate between performing descent and ascent searches on the gradient of the distortion function. 相似文献
18.