学科分类
/ 1
9 个结果
  • 简介:国际合作论文是国际间开展合作的主要产出之,对合作论文进行分析是开展机构间国际合作研究的主要途径.基于SCI国际合作论文数据,应用文献计量分析等方法,从中国计量科学研究院国际科研合作规模、与国内外机构联合开展国际科研合作的现状、合作成果的影响力等角度,分析评价了20002017年间,中国计量科学研究院的国际科研合作论文的特征和变化趋势,并对该院在经济、科技创新全球化背景下,如何有针对的布局和开展国际科研合作及推动计量领域自主创新,提出了意见及建议.

  • 标签: 计量学 文献计量学 国际计量合作 国际科研合作 合作规模 合作影响力
  • 简介:针对深度信念网络无法科学有效地确定网络模型深度和隐层神经元数目等问题,根据贪心算法思想,提出了种动态构建深度信念网络模型的新方法.即从底层逐层构建深度信念网络的过程中,根据验证集错误分类率调整当前层神经元数目,使当前模型达到最优后,固定当前层神经数目,网络深度增加层;继续调整下层神经元数目,直至整个模型构建完成.最后,根据重构误差微调各层神经元数目.结果表明,与依据重构误差构建的深度信念模型相比,利用此方法构建的深度信念网络模型的分类准确率更高.

  • 标签: 动态构建 深度信念网络 模型深度 神经元数目
  • 简介:提出了种改进的基于fp-tree的Apriori算法.该算法先用尾元将fp-tree分区,生成数据量更小的子数据集,再动态删除冗余数据将子数据集的数据进步压缩,最后通过扫描子数据集进行支持数统计,从而快速挖掘.实验结果表明,在对含有大量高维度数频繁项集的数据集进行挖掘时,这个改进算法的挖掘速度较快.

  • 标签: 数据挖掘 关联规则 fp-tree结构 APRIORI算法
  • 简介:LDA主题模型是文本挖掘领域的重要算法,同时在推荐系统当中也有不错的表现.通过LDA主题模型挖掘用户感兴趣的主题,是目前最常用的用户兴趣主题挖掘方法之.为了提高LDA主题模型应用在推荐系统时的推荐质量,我们提出了种基于负样本进行学习的方法negLDA.通过创造出负样本来学习用户对物品的负面预测评分,同时结合正样本学习得到的正面预测评分,从正反两个方面进行综合评测,从而更加精确地衡量出用户对物品的预测评分.通过在MoviesLens-100k、MovieLens-1M、FilmTrust这三个数据集上的实验,表明所提出的算法在精确率、召回率、AUC三个指标上相比传统算法均有定改进.

  • 标签: LDA主题模型 推荐系统 负样本 矩阵分解 协同过滤
  • 简介:基于开关电容的三角波发生器无需运放、反馈电路、结构简单、输出功率大而且三角波的各个参数可调.根据所提出开关电容三角波发生器的拓扑结构,对其工作原理进行了理论分析,得到了三角波发生器输出电压表达式;讨论了三角波的峰峰值、峰值、谷值、线性度和对称与电路参数之间的关系;利用仿真验证了理论分析正确.同时,提出了这种开关电容三角波发生器的电路参数设计方法,并进行了仿真和实验验证.结果表明这种电路参数设计方案可行.

  • 标签: 三角波发生器 开关电容 线性度 对称度 峰-峰值
  • 简介:研究了般网络拓扑图中的连通误报容错支配集的构造算法.首先给出了误报容错支配集的个精确算法,但是算法的复杂度达到了指数级别.随后又提出了误报容错支配集的个多项式时间的启发式算法,最后证明了算法的正确并通过仿真实验验证了算法的有效.

  • 标签: 精确算法 连通误报容错支配集 启发式算法
  • 简介:肌音可用于跟踪局部肌肉疲劳引起的肌肉收缩性能的变化,之前相关的文献主要研究的是静力运动疲劳的肌音特征.现在我们对动力运动疲劳产生的肌音信号变化特征进行分析,提取腓肠肌坐姿负重提踵至疲劳所产生的肌音信号并进行分析,得到了肌音信号中值频率的变化规律.计算显示随着时间的延长和疲劳的加深,肌音信号的中值频率呈现增大的趋势,与静力运动疲劳所得的结论有所不同.实验结果显示,肌音信号的特征受运动类型影响较大,静力运动所得出的结论不能适用于动力运动.

  • 标签: 动力性运动 疲劳肌音 中值频率
  • 简介:为有效降低宫颈癌细胞图像在图像识别中的假阴性率,在此提出种改进的残差网络算法.该改进算法通过对交叉熵代价函数增加权重实现,根据不同病变程度的宫颈细胞建立权重矩阵,有针对地对假阴性类别的输出进行加权处理,优化分类输出、减少假阴性误判.实验结果表明,对于不同的宫颈细胞图像数据集,本改进算法输出分类效果稳定;与传统图像分类算法相比,改进后的交叉熵代价函数算法在识别分类宫颈细胞图像时,能有效降低宫颈癌细胞图像的假阴性率.

  • 标签: 残差网络 图像识别 交叉熵代价函数 宫颈癌细胞 假阴性率
  • 简介:近年来,目标显著检测引起了众多学者的极大关注,并涌出了些基于低秩矩阵恢复理论的检测方法.在这些方法中,人们般使用核范数约束低秩部分.但是,由于秩函数是非凸且不连续的,由此导致核范数不能很好地逼近秩函数,使得检测效果往往不佳.为解决上述问题,现提出基于加权Schatten-p范数与低秩树结构的稀疏分解模型.方面,利用加权Schatten-p范数对图像背景进行低秩约束.另方面,采用具有树结构稀疏特性的l2,1范数和图像拉普拉斯正则化对显著目标进行稀疏约束,以此提高显著检测精准度.经过与4种已有的常用显著检测方法在3个不同数据库中的实验结果对比,证实现提出的方法具有更好的检测性能.

  • 标签: 目标显著性检测 矩阵分解 加权Schatten-p范数 树结构 拉普拉斯正则化