检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

高斯加权的重构性k-nn算法研究

中文信息学报 2015年第5期29卷 112-116页

作者：刘作国陈笑蓉贵州大学计算机科学与技术学院贵州贵阳550025

该文提出基于高斯加权距离以及聚类重构机制的k-nn文本聚类算法。文章提出k-nn近邻域的概念,通过高斯加权的近邻域算法实施k-nn聚类。利用高斯函数根据样本与聚类中心的距离为样本赋权,计算聚类距离。基于近邻域权重和聚类密度对形成的... 详细信息

该文提出基于高斯加权距离以及聚类重构机制的k-nn文本聚类算法。文章提出k-nn近邻域的概念,通过高斯加权的近邻域算法实施k-nn聚类。利用高斯函数根据样本与聚类中心的距离为样本赋权,计算聚类距离。基于近邻域权重和聚类密度对形成的聚类实施重构,实现聚类数目的自适应调整。使用拆分算子拆分稀疏聚类并调整异常样本;使用合并算子合并相似聚类。实验显示聚类重构机制能够有效地提高聚类的准确率及召回率,增加聚类密度,使得形成的聚类结果更加合理。

关键词：文本聚类 k-nn算法高斯加权近邻域规则聚类重构

在线全文

学校读者我要写书评

暂无评论

基于k-nn算法的晶圆划痕智能匹配

基于K-NN算法的晶圆划痕智能匹配

作者：潘婷婷大连理工大学

学位级别：硕士

晶圆,即圆形硅(半导体)片,是集成电路(IC)的衬底材料,IC中多层密集的元件搭建均以此为基础。晶圆的平整度对半导体IC后续生产至关重要,而化学机械抛光(CMP)是半导体工业中实现晶圆平坦化的一种核心技术。然而CMP过程中的多个因素在晶圆... 详细信息

晶圆,即圆形硅(半导体)片,是集成电路(IC)的衬底材料,IC中多层密集的元件搭建均以此为基础。晶圆的平整度对半导体IC后续生产至关重要,而化学机械抛光(CMP)是半导体工业中实现晶圆平坦化的一种核心技术。然而CMP过程中的多个因素在晶圆表面产生的划痕是半导体制造业产量损失的主要原因之一。本文在提取划痕的数学特征基础上,利用骨架化方法与k近邻(k-nn)算法对划痕进行智能识别匹配,并利用坐标变换这一数学计算手段进行了改进。一般地,在生产中匹配划痕是利用简单的设备人工操作,该过程耗时、主观性强、一致性差。结合已有的工作经验,本文介绍了一种新的模式识别匹配方法:首先,使用二值化和骨架化方法来获取单像素二值曲线段(主线);然后利用聚类方法对这些主线初步分组,以便提取主线端点的一些基本特征,如距离、斜率、曲率等几何特征;最后,利用k-nn算法对相同类型的主线智能匹配。具体地,本文对晶圆划痕灰度图像进行二值化处理使得数据结构更加简单,在此基础上骨架化晶圆划痕二值图像可以更好地提取划痕的几何特征,方便后续特征的提取。另外,在提取主线端点特征之前引入了动态坐标系,避免了数量级差距过大带来的匹配误差。经过大量匹配实验发现:当端点切线斜率很大时,斜率的微小差异会使本应匹配的主线超出相似阈值,引起匹配误差。因此在特征提取前引入动态坐标系,在整体上大大减少了待匹配的数据斜率和曲率,方便了误差阈值的设定。综上所述,我们提出了一种新的模式识别匹配方法,该方法通过骨架化和k-nn算法的结合,使得数据更具操作性,特征更易提取,几何意义更加明显。并将该匹配方法应用到半导体生产中的晶圆划痕匹配问题中,实验结果表明,本文提出的晶圆划痕匹配方法符合手动匹配要求,匹配一致性良好且具有较强的鲁棒性,为实践生产中改进和预防晶圆缺陷提供解决方案。

关键词：晶圆 k-nn算法划痕骨架化匹配

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于k-nn算法的Web信息推荐方法研究

蚌埠学院学报 2014年第4期3卷 8-10页

作者：王丹安徽职业技术学院学生处安徽合肥230011

提出了一种基于k-nn算法的Web信息推荐方法,该方法以用户和产品为出发点,分别将用户兴趣度和产品属性由定性转化为定量表达,通过构建产品相似度矩阵,选择出与相似最大的产品类,从而实现产品的Web信息推荐。

关键词：信息推荐 k-nn算法产品相似度

基于k-nn算法的钢板性能预测模型的建立与应用

在线全文

学校读者我要写书评

暂无评论

山西冶金 2022年第4期45卷 8-9页

作者：张仁琳福建三钢(集团)有限责任公司中板厂福建三明365000

为准确预测钢板性能,利用影响中厚板性能的因素(化学成分、压缩率、开轧温度、冷却时间、冷却速度等)作为特征向量,将屈服强度、抗拉强度、延伸率等作为输出变量,构建了基于k-nn算法的中厚板性能k-nn预测模型。利用福建三钢中厚板数据... 详细信息

为准确预测钢板性能,利用影响中厚板性能的因素(化学成分、压缩率、开轧温度、冷却时间、冷却速度等)作为特征向量,将屈服强度、抗拉强度、延伸率等作为输出变量,构建了基于k-nn算法的中厚板性能k-nn预测模型。利用福建三钢中厚板数据库资料,采用该模型探索大数据挖掘技术在中厚板生产中性能预测领域的应用。

关键词：中厚板性能数据挖掘 k-nn算法预测

在线全文

学校读者我要写书评

暂无评论

一种基于k-nn的案例相似度权重调整算法

计算机工程与应用 2007年第23期43卷 8-11页

作者：杨健杨晓光刘晓彬秦凡南开大学商学院天津300071 廊坊师范学院计算机科学与技术系河北廊坊065000 中国人民武装警察部队学院基础部河北廊坊065000

对于CBR中的案例检索问题,结合经典案例相似度计算方法,对目前在各实际系统中应用最为广泛的k-nn算法进行改进。经过特征约简,在假设时间因素对历史案例可采纳程度有显著影响基础上,提出了一种小规模的基于时序的案例特征权重多阶段调... 详细信息

对于CBR中的案例检索问题,结合经典案例相似度计算方法,对目前在各实际系统中应用最为广泛的k-nn算法进行改进。经过特征约简,在假设时间因素对历史案例可采纳程度有显著影响基础上,提出了一种小规模的基于时序的案例特征权重多阶段调整算法。该算法适用于数值型特征项相似度计算。

关键词：基于案例推理案例相似度案例检索 k-nn算法特征权重

在线全文

学校读者我要写书评

暂无评论

一种k-nn分类器k值自动选取方法

控制与决策 2013年第7期28卷 1073-1077,1082页

作者：杜磊杜星宋擒豹西安交通大学电子与信息工程学院西安710049

k-nn分类算法已广泛应用于文本挖掘和模式识别等领域,其近邻数直接影响着分类精度,值过小时k-nn会受到噪声的影响,值过大时同样会降低分类精度,为此提出一种快速选取值的方法.首先给出值的候选集,然后在候选集上快速地选取值.在100个公... 详细信息

k-nn分类算法已广泛应用于文本挖掘和模式识别等领域,其近邻数直接影响着分类精度,值过小时k-nn会受到噪声的影响,值过大时同样会降低分类精度,为此提出一种快速选取值的方法.首先给出值的候选集,然后在候选集上快速地选取值.在100个公开数据集上的实验结果表明,所提出的算法能够选取一个有效的近邻数,是一种效果好、有潜力的方法.

关键词：分类 k-nn算法近邻数近邻数选取

在线全文

学校读者我要写书评

暂无评论

基于PDMS基柔性传感器的智能感知系统

塑料 2022年第1期51卷 62-66页

作者：白晓峰许红代伊豪黄尧赖欣吴大鸣北京化工大学塑料机械与塑料工程研究所北京100029 高分子材料加工装备教育部工程研究中心北京100029

柔性传感器与受力被测体可以产生一致的形变,基于空间限域强制组装原理,以PDMS为基体,通过控制变量法分别分析微结构、膜片厚度、填料含量对感应膜片压阻特性的影响,选取三角微结构、厚度为0.3 mm、石墨烯含量为0.5%的导电薄膜作为敏感... 详细信息

柔性传感器与受力被测体可以产生一致的形变,基于空间限域强制组装原理,以PDMS为基体,通过控制变量法分别分析微结构、膜片厚度、填料含量对感应膜片压阻特性的影响,选取三角微结构、厚度为0.3 mm、石墨烯含量为0.5%的导电薄膜作为敏感元件,使用PDMS薄膜将其封装为压阻式柔性传感器,传感器测量范围和对应输出阻值范围分别为0~10 N和83.542~352.113Ω。结合云计算和人工智能技术,将其应用于汽车座椅中,作为感知驾驶员人体特征的力学传感器,在实验中获取训练和测试数据的同时,通过机器学习,获取驾驶员的眼位等位姿信息,作为调节与驾驶员位姿信息匹配的后视镜角度的依据。通过分布座椅的多个测力传感器感知驾驶员身体不同位置受力,基于k-nn算法,辨识出最接近测试驾驶员的眼位,其误差精度可达3.5%,为后续汽车座椅的智能控制提供相关依据。

关键词： PDMS基柔性传感器智能汽车座椅多传感器融合眼位位姿辨识 k-nn算法

在线全文

学校读者我要写书评

暂无评论

基于聚簇样本约减的k-近邻神经网络分类器

情报科学 2010年第10期28卷 1547-1549,1553页

作者：王春艳程霜梅杨鑫长春师范学院计算机科学与技术学院吉林长春130032

针对k-nn算法应用于文本分类时存在的问题进行改进,提出利用聚簇进行训练样本约减的方法,并用神经网络实现改进的k-nn分类器。实验表明,分类所用的时间比传统k-nn算法有明显减少,一定程度上提高了分类效率,同时分类准确性有所提高。

关键词：文本分类聚簇 k-nn算法神经网络

在线全文

学校读者我要写书评

暂无评论

基于集成学习的图像垃圾邮件过滤方法

计算机工程与科学 2020年第6期42卷 1049-1059页

作者：赵俊生候圣王鑫宇尹玉洁内蒙古工业大学信息工程学院内蒙古呼和浩特010080

目前的图像垃圾邮件过滤技术,大都采用国际上通用的垃圾图像数据集作为训练集,与中国国内图像垃圾邮件的图像特点不一致,图像数据缺乏实时更新,且分类器单一,过滤效果难以保证。针对该问题,在建立国内垃圾邮件图像数据库的基础上,首先... 详细信息

目前的图像垃圾邮件过滤技术,大都采用国际上通用的垃圾图像数据集作为训练集,与中国国内图像垃圾邮件的图像特点不一致,图像数据缺乏实时更新,且分类器单一,过滤效果难以保证。针对该问题,在建立国内垃圾邮件图像数据库的基础上,首先提取图像的颜色、纹理和形状特征,再经k-nn分类算法优选出HSV颜色直方图特征对不同分类器进行训练、测试和性能比较,提出将基于粗糙集的k-nn算法、Naive Bayes算法和SVM算法构成的3种基分类器相结合,并基于串行迭代提升的方法形成集成学习的强分类器。该方法可以实现对国内图像垃圾邮件的有效过滤,使图像垃圾邮件过滤的准确率和召回率同时得到提升,分别为97.3%和96.1%,误判率降低到了2.7%。

关键词：图像垃圾邮件过滤图像分类集成学习 k-nn算法 HSV颜色直方图