排序方式: 共有19条查询结果,搜索用时 15 毫秒
1.
现有图像降维方法中特征信息被过多压缩,从而影响图像分类效果。提出IC-ACO算法,利用蚁群算法来解决图像分类问题。算法充分提取并保留图像的各种形态特征。利用蚁群优化算法在特征集中自动挖掘有效特征和特征值,构建各类分类规则,从而实现图像的分类识别。在真实的车标图像数据集上的实验结果表明,IC-ACO算法比其他类似算法具有更高的分类识别率。 相似文献
2.
王莲为睡莲科(Nymphaeaceae)王莲属(Victona)植物,它们拥有巨大、奇特似盘的叶片,浮于水面时十分壮观,且因它娇容多变的花色和浓厚的香味闻名于世,也成为了夏日里亚热带至热带地区景观水体中一道独特的风景.
王莲的发现史极富传奇色彩.1801年,波西米亚植物学家和自然科学家Tadeá(s) Haenke在亚马逊支流的马莫雷河首次发现了王莲.1819~1825年,法国植物学家Aime Bonpland和德国自然科学家和探险家Alexander von Humboldt在阿根廷的科连斯特发现了王莲,并将种子带回了法国.1832年,Eduard Poeppig在亚马逊发现了王莲,认为该种与原产亚洲的芡实同属,将其命名为Euryale amazonica. 相似文献
3.
针对现实不确定数据流具备分布非凸性和包含大量噪声等特点,提出不确定数据流聚类算法Clu_Ustream(clustering on uncertain stream)来解决对近期数据进行实时高效聚类演化问题.首先,在线部分利用子窗口采样机制采集滑动窗口中的不确定流数据,采用双层概要统计结构链表存储概率密度网格的统计信息;然后,离线聚类过程中通过衰减窗口机制弱化老旧数据的影响,并定期对窗口中的过期子窗口进行清理;同时采用动态异常网格删除机制有效过滤离群点,从而降低算法的时空复杂度.在模拟数据集和网络入侵真实数据集上的仿真结果表明,Clu_Ustream算法与其他同类算法相比具有较高的聚类质量和效率. 相似文献
4.
滑动窗口是一种对最近一段时间内的数据进行挖掘的有效的技术,本文提出一种基于滑动窗口的流数据频繁项挖掘算法.算法采用了链表队列策略大大简化了算法,提高了挖掘的效率.对于给定的阈值S、误差ε和窗口长度n,算法可以检测在窗口内频度超过Sn的数据流频繁项,且使误差在εn以内.算法的空间复杂度为O(ε-1),对每个数据项的处理和查询时间均为O(1).在此基础上,我们还将该算法进行了扩展,可以通过参数的变化得到不同的流数据频繁项挖掘算法,使得算法的时间和空间复杂度之间得到调节.通过大量的实验证明,本文算法比其它类似算法具有更好的精度以及时间和空间效率. 相似文献
5.
温室气体的大量排放加剧了全球气候变暖,使之成为目前国际社会面临的严峻挑战,为此大力倡导低碳经济,"碳足迹"这一概念应运而生。整理了国际上的碳足迹概念及相关标准,介绍了国内外纺织服装行业碳足迹研究和应用现状。 相似文献
6.
针对软件企业对高职软件人才职业素质的要求,提出学生团队自主学习模式,总结团队协作能力和自主学习能力的培养措施,分析其培养效果和待改进的因素。该学习模式能有效培养软件企业所需的团队协作及自主学习能力,有良好的推广价值。 相似文献
8.
该文介绍了带有宽总线网络的可重构计算模型(RAPWBN)的基本结构及其二进制值的前缀和操作,提出了一种快速并行排序算法,对长度为N的序列进行排序,在具有N2个处理器和N条行总线的RAPWBN模型上,若总线带宽ω>logN字节,可以在O(1)时间完成排序。该算法的成本达到了最优。 相似文献
9.
在Y.Pan提出的基于流水光总线阵列模型(LARPBS)上使用N个处理器对N个元素进行排序在最好情况下以O(logN)时间,最坏情况下以O(N)时间完成的并行排序算法的基础上,提出了一种LARPBS模型上的可扩展的快速并行排序算法,对N个元素进行排序,使用p(1≤P≤N)个处理器在最好情况下以O(NlogN/p)时间,最坏情况下以O(N^2/p)时间完成排序。另外还提出了一种LARPBS模型上改进的快速高效并行排序算法,该算法对N个元素进行排序使用N个处理器在最好情况下以O(log√N)时间、最坏情况下以O(√N)时间完成排序。 相似文献
10.
数据流的网格密度聚类算法 总被引:3,自引:0,他引:3
提出一种基于密度的实时数据流聚类算法RTCS.算法采用在线/离线双层框架,它在前台在线层快速实时地将到达的数据点放入相应的单元格,对多维数据和空间单元格动态计算密度.在后台离线层形成初始聚类,并不断地更新单元格的密度来自适应地调整聚类.RTCS算法能够根据密度的动态变化区分出真正的孤立点并剔除之,而这种剔除对后面的聚类结果没有影响.实验结果证明,算法可以很好地挖掘出各种形状的聚类,与CluStream算法相比,取得聚类的质量更高,有更快的处理速度,对数据维数和规模有更好的可扩展性. 相似文献