排序方式: 共有43条查询结果,搜索用时 18 毫秒
1.
一种用于自动标引系统的主题词自动切分方法 总被引:2,自引:0,他引:2
该文着重介绍一种知识指导下的主题词自动切分方法,该方法能灵活处理自然主题词、大幅度跳跃及关联词的切分问题,其字面切分精度达99.33%,综合切分精度达98.91%。 相似文献
2.
3.
针对目前移动自组网(MANET)无法提供成熟的Anycast服务这一问题, 提出了一种在MANET中实现Anycast服务的通信模型.此模型提出了无需进行地址重复检测、IPv6地址自动分配的方案以及移动节点加入Anycast组的方法. 模型中的Anycast移动组节点在不同子网之间进行切换时,Anycast移动组节点无需进行地址注册也无需建立隧道机制.在模拟环境下实现了此模型,并对模型的数据包接收率等性能参数的实验数据进行了分析和讨论. 相似文献
4.
5.
6.
从两个方面对确认系统进行了改进,在模型方面,扩展了MixMax模型,对复杂的背景噪声等干扰因素在训练说话人模型的同时也进行了建模,最大程度上消除噪声的影响,对说话人的特征分布进行了更真实的表征;在得分方面,提出了一种改进的得分规整策略,基于EMD距离从所有背景说话人集合中自适应选择最接近的一定数量的模型构成说话人特定的背景集合,从而进行得分归一化。实验结果表明,该方法能够同时针对说话人和测试环境的不同进行补偿,进一步降低了误识率和漏警率,获得了很好的确认性能。 相似文献
7.
8.
为解决地面智能机器人自主性评价过程中评价体系单一、未考虑评价过程及系统自身不确定性等问题,提出了一种基于云模型的自主性评价方法.该方法建立了评价云模型,以期望作为评价基本度量,以熵和超熵描述评价的不确定性.通过对不同属性特征的样本进行统计特征、区间数和评价向量运算,得到实数型、区间型和语言型三类评价云生成方法.利用加性合并计算,将多个评价云信息累加,得到具有稳定可信性的综合评价状态云.以实验室3台地面智能机器人为原型,设计系统自主性评估验证实例,完成了云化过程.实验验证了该方法能够有效结合定性与定量评价,可应用于地面智能机器人自主性评价和其他复杂智能系统的综合性能评价. 相似文献
9.
基于含熵期望曲线的云模型相关性度量方法 总被引:1,自引:0,他引:1
针对现有基于云模型的相关性度量方法缺少必要约束条件的问题,提出一种基于含熵期望曲线的云模型相关性度量方法.将云模型中超熵期望曲线的与区域和或区域的面积比作为相关性的度量基准,解决云模型的区间约束以及半云度量问题.利用3熵(3σ)约束增加云滴的聚集,减少计算开销.将超熵纳入计算,考虑云滴厚度对云模型相关性的影响.本方法克服了面向随机云滴的距离度量方法和数字特征变换方法中存在的计算复杂度高、结果不稳定的问题,同时满足了三类约束的实际计算需求.实验表明该方法能够客观有效地对云模型相关性进行度量,并在基于云模型的系统评价任务中得到了验证. 相似文献
10.
灰度无关图具有对光照不敏感的特性,因而,彩色图像中相应位置上的阴影将不会出现在灰度无关图中。在研究RGB颜色空间中阴影与灰度无关图逻辑关系的基础上,应用灰度无关图消除光照度与阴影引起的噪声,达到对彩色图像中存在的阴影区域进行抑制及降噪后重构的目的。基于标准测试图像的试验结果表明,重构图像可以有效且实时地抑制彩色图像中的阴影。 相似文献