共查询到19条相似文献，搜索用时 140 毫秒
1.
为了解决光伏组件状态的自动监测问题,本文采用了BP神经网络算法构建了光伏组件功率的估算模型,并对其进行了改进,最终形成了基于改进BP神经网络的光伏组件等效最大功率估算算法,利用改算法的估算结果与历史数据进行比较,判断光伏组件状态.经过实际验证,确认了该方法能够满足实际应用需求. 相似文献
2.
3.
4.
文献分类是图书馆学情报学领域的一个传统研究问题。实用化的中图法自动分类系统最重要的一个要求就是能够将文献精确地自动分类到三级或四级类目之下,这意味着需要将特定文献较为精确地自动分类到上千个类目之下。为了构建面向实际应用的科技文献中图法自动分类引擎,本文基于层次分类思想,设计和实现了一个基于多层分类器集群的科技文献自动分类引擎系统,并重点解决了科技文献自动分类引擎建设中的四个关键问题:①如何获取并构建大规模高质量分类训练数据以提升自动分类效果;②如何设计和实现多层分类器集群以有效解决上千个类目自动分类的准确性;③如何面向现实要求来优化处理流程以提升分类速度;④如何设计和开放接口以支撑引擎的开放调用。最终构建了科技文献自动分类引擎,各项指标达到了实用化要求,初步实现了基于中图法的自动分类系统的实际应用。图4。表7。参考文献16。 相似文献
5.
将神经网络集成思想引入WEB文本分类领域,构造一个用于Web文本分类的多BP神经网络集成模型;详述模型的设计思路与结构框架,并分别在公有的英文数据集、实际的中文数据集上进行分类实验;与经典的SVM模型、KNN模型相比,神经网络集成模型具有更高的分类精度,且对于训练样本集规模具有更好的鲁棒性,不失为一种高效的文本分类新方法,研究其在文本分类领域的应用将是一个有前景的方向。 相似文献
6.
7.
文章将改进BP网络应用到期刊论文的分类领域中。该方法根据中文期刊论文的特点选择题名、摘要及关键词作为特征项的来源,计算特征项的权值,设定阀值对特征项向量进行降维处理,最后利用BP神经网络对不同的阀值分别进行分类实验,比较其效果。 相似文献
8.
运用遥感手段精确监测马铃薯种植面积是稳固马铃薯主粮化政策、维护国家粮食安全的必要保障。本文以
吉林省长春市九台区纪家镇、兴隆镇为研究区,选用landsat8 OLI遥感数据,借助ENVI平台构建了基于BP神经网络的
土地覆盖分类模型,应用于研究区的马铃薯等作物分类研究。以landsat8 OLI7个彩色波段作为输入,不断调节分类参
数,最终确定了最优分类网络结构。结果显示,BP神经网络法马铃薯的分类生产者精度为94.22%。研究表明,BP神经
网络分类方法是一种手段灵活、结果较准确的马铃薯遥感识别方法。 相似文献
9.
基于标题的中文新闻网页自动分类 总被引：1，自引：0，他引：1
借鉴tf-idf加权思想,利用新闻标题来做中文新闻网页自动分类的依据,构建基于标题的中文新闻自动分类方法,并设计多个实验对各种基于标题的中文新闻网页自动分类方法进行评测。实验结果表明,基于标题对中文新闻网页进行自动分类,可以大大缩短判断处理时间,节省存储空间,且准确率较高,特别是改进的类目加权法分类效果最好。 相似文献
10.
基于词典约简及多分类算法的文本分类系统的设计与开发 总被引：3，自引：1，他引：2
文本自动分类是目前机器学习、自然语言处理和信息资源检索领域的研究热点之一.本文在对自动分类的实现技术问题进行探讨的基础上,尝试对自动分类的几个环节提出改进措施.具体包括:采用约简法进行抽词词典的构造,采用投票法进行文本特征的选择,采用层次法进行逐层次的分类,采用统计与规则相结合的方法进行分类器的构造等.通过在不同语料库上与传统分类方法的对比测试表明,上述改进措施能够有效提高自动分类的性能,基于这些改进措施所开发的自动分类系统具有大规模文本自动分类的可行性.本文详细讨论了相关改进措施的原理、实现算法、流程及存在的问题. 相似文献
11.
12.
本文提出一个基于本体论网络信息的自动分类方案，通过对网络信息的分类，提高检索的精度，减轻用户网络使用负担，使用户更加方便地利用网络信息。 相似文献
13.
结合粗糙集的属性约简和神经网络的分类机理,提出了一种混合算法。首先应用粗糙集理论的属性约简作为预处理器,把冗余的属性从决策表中删去,然后运用神经网络进行分类。这样可以大大降低向量维数,克服粗糙集对于决策表噪声比较敏感的缺点。试验结果表明,与朴素贝叶斯、SVM、KNN传统分类方法相比,该方法在保持分类精度的基础上,分类速度有明显的提高,体现出较好的稳定性和容错性,尤其适用于特征向量多且难以分类的文本。 相似文献
14.
马芳 《现代图书情报技术》2011,(12):58-63
为减少人工分类的不确定性和分类错误,将文本分类技术引入专利自动分类系统,采用径向基函数神经网络(RBFNN)算法完成专利文本的训练和分类,并进行相关测试分析。实验结果表明,采用RBFNN分类器在专利文本自动分类中具有较理想的性能,测试平均F1值在70%以上。 相似文献
15.
ABSTRACT As an important part of art and culture, ancient murals depict a variety of different artistic images, and these individual images have important research value. For research purposes, it is often important to first determine the type of objects represented in a painting. However, the mural painting environment makes datasets difficult to collect, and long-term exposure leads to underlying features that are not distinct, which makes this task challenging. This study proposes a convolutional neural network model based on the classic AlexNet network model and combines it with feature fusion to automatically classify ancient mural images. Due to the lack of large-scale mural datasets, the model first expands the dataset by applying image enhancement algorithms such as scaling, brightness conversion, noise addition, and flipping; then, it extracts the underlying features (such as fresco edges) shared by the first stage of a dual channel structure. Subsequently, a second-stage deep abstraction is conducted on the features extracted by the first stage using a two-channel network, each of which has a different structure. The obtained characteristics from both channels are merged, and a loss function is constructed to obtain the classification result. This approach improves the model's robustness and feature expression ability. The model achieves an accuracy of 84.24%, a recall rate of 84.15%, and an F1-measure of 84.13% when applied to a constructed mural image dataset. Compared with the AlexNet model and other improved convolutional neural network models, the proposed model improves each evaluation index by approximately 5%, verifying the rationality and effectiveness of the model for automatic mural image classification. The mural classification model proposed in this paper comprehensively considers the influences of network width and depth and can extract rich details from mural images from multiple local channels. An effective classification method could help researchers manage and protect mural images in an orderly fashion and quickly and effectively search for target images in a digital mural library based on a specified image category, aiding mural condition monitoring and restoration efforts as well as archaeological and art historical research. 相似文献
16.
[目的/意义]学术社交网络所提供的问答服务已成为学者们快速获取学术信息、解决学术问题的重要途径,实现基于机器学习的问答质量智能评价和服务优化对学术社交网络中优质内容传播具有重要意义。[方法/过程]以ResearchGate问答服务为研究对象,从结构化特征、内容特征、其他特征以及回答者特征4个维度构建答案质量评价体系,利用机器学习方法和数据增强技术进行答案质量分类预测。[结果/结论]SMOTE算法在处理不平衡样本时具备有效性;支持向量机在单一模型预测中,取得出色的分类效果;组合模型使预测精度得到进一步提升,基于随机森林、支持向量机、BP神经网络构建的组合模型分类性能最佳,以此为基础可通过搭建问答质量智能评价系统实现学术社交网络问答服务优化。 相似文献
17.
基于BP神经网络的图书馆电子资源质量评价研究 总被引：1，自引：0，他引：1
18.
基于神经网络的汉语自动分词系统的设计与分析 总被引：15，自引：1，他引：14
应用神经网络进行汉语自动分词研究是中文信息处理领域的重要课题。本文从分析神经网络的一个主要模型和算法入手,阐述了基于神经网络的汉语自动分词系统的设计方法,较详细地介绍了该系统的实验结果,并给出了必要的分析。 相似文献
19.
白如江 《现代图书情报技术》2006,1(6):47-51
结合粗糙集的属性约简和RBF神经网络的分类机理，提出一种新的文本分类混合算法。试验结果表明，与朴素贝叶斯、SVM、kNN传统分类方法相比，该方法在保持分类精度的基础上，分类速度有明显提高，体现出较好的稳定性和容错性，尤其适用于特征向量多且难以分类的文本。 相似文献