共查询到20条相似文献，搜索用时 31 毫秒
1.
利用爬虫技术从中国种业大数据平台获取小麦特征信息数据集,采用手工结合计算机程序的方式处理数据.对处理后的数据使用传统机器学习中的支持向量机、朴素贝叶斯和深度学习中的BP神经网络方法,分别构建小麦抗寒性模型.实验结果表明,与传统机器学习的模型相比,BP神经网络在小麦抗寒性分类效果预测上表现的效果优、预测准确率高. 相似文献
2.
Oracle数据库使用一个称为优化器的子系统,生成访问表中存储数据的最有效路径。优化器为每个查询生成的访问数据的最有效路径称为执行计划。Oraclel0g自动收集表和索引中数据的统计信息,从而生成最优执行计划,这称为基于成本的优化。比较优化器生成的执行计划可以判断一个SQL语句和另一个语句的相对成本,从而使语句优化。比较了研究执行查询的成本。 相似文献
3.
洪雪峰 《湖南科技学院学报》2021,42(2):97-102
通过在网站上收集建构154,000条评论的语料库,运用传统机器学习法和深度学习法,对其分类精确值及F测量值进行比对.大量的实证分析表明,基于深度学习架构在教师评价的情感分类任务上优于传统的机器学习分类器,其分类准确率达到98.29％.建议运用机器深度学习的模式,利用卷积神经网络和双向长短期记忆神经网络构建情感分析模型,... 相似文献
4.
《鸡西大学学报》2019,(8)
为了提高机器学习算法对手写字文本识别能力,克服个体手写字风格多变的干扰,设计了一种基于贝叶斯与生成式对抗网络的手写字文本识别算法。首先,建立10000个汉字的手写字数组头,每个汉字数组头后面依附100种手写体,构建起1000000帧汉字文本图像帧,作为后续学习训练的训练集数据输入。然后,利用贝叶斯线性模型,结合线性回归和先验分布,基于手写字图像样本数据库,进行有监督的机器学习训练,得到机器学习算子,完成针对手写字的粗识别。随后,根据生成式对抗网络原理,创建生成模型和判别模型,设计自适应潜在损失函数和迭代终止函数,解决深度学习普遍存在的过拟合问题,完成生成式对抗网络算子,完成针对手写字的深度识别。最后基于QTcreator开发的集成平台来实现所提算法的功能,其中,机器学习算子由OpenCV视觉函数实现,深度学习算子由TensorFlow框架实现。实验数据显示,相较于传统手写字识别算法而言,所提算法具有更高的手写字识别能力。 相似文献
5.
随着人们生活水平的不断提高,道路车辆拥堵情况愈发严重。如何实时、精确地检测出道路车辆,对于解决道路拥堵问题具有重要意义,GPU和人工智能技术的飞速发展为其提供了可靠的解决方案。研究分析传统目标识别算法、基于候选区域深度学习的目标提取算法RCNN和基于回归的深度学习目标检测YOLO,最终确定采用基于卷积神经网络的实时目标检测算法SSD。首先调用VGG16网络模型在ILSVRC CLS-LOC数据库上预训练生成初始网络模型,进而设置超参数并在自身数据集上进行再训练,生成新的网络检测模型,然后将训练和测试部署到深度学习框架Caffe上加以实现。通过在数据库COCO、VOC2012上的测试结果表明,该模型检测精度为76%左右,处理速度为26FPS。同时通过道路路口的实地车辆检测,显示该算法能够实时、精确地检测出道路车辆,为道路拥堵情况判定提供可靠数据。 相似文献
6.
随着互联网的迅猛发展,网上健康信息以几何速度增长,其中大量虚假健康信息给人们的生活带来了很大影响,但目前对虚假健康信息文本识别的研究非常缺乏,以往研究主要集中在识别微博上的谣言、伪造商品评论、垃圾邮件及虚假新闻等方面。鉴于此,采用基于词向量的深度神经网络模型和基于双向编码的语言表征模型,对互联网上流传广泛的健康信息文本进行自动分类,识别其中的虚假健康信息。实验中,深度网络模型比传统机器学习模型性能提高10%,融合Word2vec的深度神经网络模型比单独的CNN或Att-BiLSTM模型在分类性能上提高近7%。BERT模型表现最好,准确率高达88.1%。实验结果表明,深度学习可以有效识别虚假健康信息,并且通过大规模语料预训练获得的语言表征模型比基于词向量的深度神经网络模型性能更好。 相似文献
7.
基于机器学习的情感分类方法已经取得了较大进展,但在大量情感分类方法中,往往都是结合词嵌入和传统的机器学习方法,缺乏对文本主题以及时序关系等因素的有效利用。针对上述问题,提出了一种基于主题流与深度学习的情感分类算法,通过分析文本的主题分布,并引入时序关系,在此基础上利用适合的长短记忆神经网络的深度学习方法进行情感分类。实验证明,基于主题流与深度学习的情感分类算法性能较好。 相似文献
8.
提出了一种基于噪声特征估计与引导的低剂量CT盲去噪方法.首先,采用有监督特征学习的方式对输入图像的辐射剂量进行等级评估,并估计出图像潜在的噪声特征图.其次,提出了一种基于噪声引导的低剂量CT图像盲去噪模型,通过显性噪声特征引导的方式将噪声特征与原始图像进行融合,并采用残差编码-解码卷积神经网络实现CT图像噪声去除.实验结果表明,在真实数据集上噪声估计网络及特征融合网络能够大幅提升去噪网络的性能,并且在未知剂量CT图像去噪任务上取得了较好的去噪效果. 相似文献
9.
10.
《西安文理学院学报》2015,(4)
基于统计的传统无监督机器学习识别分类技术虽经持续改进对于高分遥感图像效果仍不佳,深度学习具备仿人类神经网络多层抽象能力和无监督自学习特点,具有从大量无标签高光谱遥感数据中自主学习和构建其特征的能力,再结合常用分类算法进行识别分类,比传统方法具有相对更高的准确率. 相似文献
11.
用于改善web搜索的结构化数据抽取技术 总被引：1，自引：0，他引：1
为了提高web文本搜索质量,提出了基于语义结构化数据的查询扩展方法.通过分析属性的语义特征（文档频率特征和辨识能力特征）将属性分为概念属性、背景属性和无用属性3类,并且提出了衡量属性语义相关度的标准.设计了trie-bitmap和pair pointer table数据结构来实现发掘属性语义特征和检测属性语义相关度的有效算法.通过使用合适的属性和它们的语义关系,可以为查询关键字生成扩展词并将它们嵌入到具有插值参数的向量空间模型中.实验使用IMDB电影数据库和真实文本数据集来比较所提方法和原始向量空间模型的性能.实验结果证明所提出的查询扩展方法可以有效地提高文本搜索性能,同时属性语义特征和属性语义相关度都具有良好的分类能力. 相似文献
12.
杨婷婷 《西安文理学院学报》2023,(1):21-24+72
随着时代发展,低质量图片已不能满足人们生产活动的基本需求,鉴于这一背景,高质量图像处理引擎的设计应运而生.通过结合深度学习与图像处理引擎,搭建神经网络模型,研究基于深度学习的图像处理引擎的卷积算法,从而在已有软件的基础上进行进一步优化,提高显示性能和效果,探寻在图像质量和处理实时性方面平衡的方法,进而提高图片质量. 相似文献
13.
针对目前推荐系统广泛存在的数据稀疏性、预测评分不准确和神经网络模型复杂度较高等问题,提出深度神经网络模型ProfileDNN.模型借鉴自然语言处理中的Word2Vec表征学习方法预训练物品的嵌入向量,并利用物品的嵌入向量构建物品和用户画像,最后基于深度神经网络模型学习用户对物品的预测评分.基于3个公共数据集的对比实验表明,相比同类模型,ProfileDNN模型的复杂度更低,且推荐准确率最高提升达1.1%. 相似文献
14.
深度生成模型在非监督特征提取上有着优异的性能,在人工智能的很多领域取得巨大成功。无论在科学实验还是实际应用中,为深度生成模型设置合适的超参数始终是一大难题。传统超参数优化大多基于领域专家的经验或基于黑盒的贝叶斯优化策略。深度生成模型的超参数众多且训练所需计算资源大,传统办法无法胜任对其进行高效优化。提出一种基于神经元稀疏度的超参数自适应优化方法。该方法根据模型在逐层训练过程中神经元激活的稀疏度,利用高斯过程实时预测最佳超参数组合,将其应用到下一迭代中。实验结果显示该方法不仅明显提升深度生成模型的性能,在效率和精度上也明显优于其它主流优化方法。 相似文献
15.
文本分类是自然语言处理中的一项重要基础任务,指对文本集按照一定的分类体系或标准进行自动分类标记。目前网络文化监督力度不够、不当言论不受限制,导致垃圾评论影响用户体验。因此提出一种基于注意力机制的CLSTM混合神经网络模型,该模型可以快速有效地区分正常评论与垃圾评论。将传统机器学习SVM模型和深度学习LSTM模型进行对比实验,结果发现,混合模型可在时间复杂度上选择最短时间,同时引入相当少的噪声,最大化地提取上下文信息,大幅提高评论短文本分类效率。对比单模型分类结果,基于注意力机制的CLSTM混合神经网络模型在准确率和召回率上均有提高。 相似文献
16.
医疗大数据指数目庞大、增长迅速、结构复杂、隐藏价值高的数据。机器学习技术能够有效分析医疗大数据的内部联系,对疾病的早期诊断及预后具有重要临床指导意义。阐述了机器学习技术在医疗大数据中的应用及研究进展,包括在大数据分析中的回归分析、决策树、基于内核的算法、降低维度算法等浅层机器学习算法模型,卷积神经网络、循环神经网络、自动编码器、深度信念网络等深度学习算法模型,以及各个算法模型的临床应用,分析了机器学习在医疗数据挖掘中的应用前景和存在的技术难题。 相似文献
17.
唐淑萍 《西安文理学院学报》2023,(2):29-33
基于深度学习的图像重建方法，通过数据驱动的方式，可以从图像中学习其三维空间的语义特征，从中恢复出模型的三维形状.探究了3类基于深度学习的图像虚拟重建算法，并在公开数据集上对相应的重建方法进行了性能比较，发现生成模型比非生成模型更有利于重建.其中，基于生成对抗网络的融合重建算法表现最优.此外，还对多视图输入的数量以及重建模型的表示对重建结果的影响进行了分析.实验结果表明，视图越多，且重建模型为网格表示时，重建结果越好. 相似文献
18.
陈瑞瑞 《河南职业技术师范学院学报(职业教育版)》2018,(4)
针对传统的图像分类算法忽略图像多个对象之间的关系,同时存在人类感知高层语义信息和底层图像特征表达之间的障碍等不足,引入了基于深度卷积神经网络的人脸图像识别算法.该算法借助于深度学习,对经典的卷积神经网络分别从内部结构和网络框架上进行优化和改进,通过增加网络结构深度和优化训练模型提取出图像高层语义特征,继而提高图像分类的精确度.实验表明,改进后的深度卷积神经网络分类算法具有良好的有效性和鲁棒性. 相似文献
19.
通过将UMQL查询的各类条件式映射为UMQA的对应代数算子,给出从UMQL多媒体查询到UMQA查询计划的等价转换算法,为任意UMQL查询生成等价的内部UMQA查询计划.然后,为了有效改善UMQA查询计划的执行代价,研究了等价UMQA代数变换规则和一般性优化策略,给出UMQA内部计划的优化算法.该算法基于等价规则变化UMQA查询计划,并使优化后的查询计划尽可能符合优化策略.最后,讨论了UMQA查询计划的逻辑执行方法,即UMQA代数算子的逻辑执行方法,以便从多媒体数据库中获取用户感兴趣的目标数据.这些算法均在一个UMQL原型系统中实现,且应用效果表明这些查询处理技术均切实可行. 相似文献
20.
情感分析可以帮助商家了解客户喜好从而生产出满意度更高的商品,也可以监督网上舆论等。为此,基于传统机器学习方法,加入深度学习模块,对在线评论进行情感分析与对比。在词向量训练模块中引入Word2vec模型,用高维向量表示词语、句子,既可防止过度拟合问题,又可减少训练参数个数,提高训练效率。将得到的句向量作为输入代入机器学习模型（MLP、SVM、朴素贝叶斯等）与深度学习模型（CNN、LSTM、BILSTM等）,比较实验结果,提出优化方向。结果表明,基于深度学习的情感分析模型准确率明显高于单一机器学习模型,但是深度学习需要大量语料,对实验机器要求也较高,很难完全展现其魅力。 相似文献