基于K-means的围棋特征提取方法研究
摘要 | 第1-6页 |
Abstract | 第6-9页 |
第1章 绪论 | 第9-14页 |
·计算机博弈 | 第9-10页 |
·计算机围棋 | 第10-11页 |
·研究意义 | 第11-12页 |
·研究目的 | 第12页 |
·研究内容 | 第12页 |
·论文结构 | 第12-14页 |
第2章 围棋特征提取分析 | 第14-25页 |
·计算机围棋常用算法 | 第14-22页 |
·博弈树搜索算法 | 第14-17页 |
·蒙特卡罗方法 | 第17-18页 |
·UCB算法 | 第18-21页 |
·增强学习算法 | 第21-22页 |
·围棋的定式 | 第22-23页 |
·围棋的特征 | 第23-24页 |
·围棋特征提取的必要性 | 第24-25页 |
第3章 围棋特征提取算法研究 | 第25-41页 |
·常用特征学习方法 | 第25-31页 |
·卷积神经网络 | 第25-26页 |
·稀疏自编码网络 | 第26-28页 |
·稀疏编码 | 第28-30页 |
·拓扑稀疏编码 | 第30-31页 |
·K-means聚类与K-means特征提取 | 第31-35页 |
·聚类分析 | 第31页 |
·K-means聚类分析算法 | 第31-32页 |
·K-means特征提取 | 第32-35页 |
·特征提取方法及其在围棋中的应用 | 第35-38页 |
·Elo模式评估系统 | 第35-36页 |
·贝叶斯模式评估 | 第36页 |
·CFG图方法 | 第36-38页 |
·图像识别中的特征提取 | 第38页 |
·各算法的比较 | 第38-41页 |
·基于稀疏性的特征学习方法 | 第39页 |
·基于特征的围棋算法 | 第39-40页 |
·基于K-means的围棋特征提取方法 | 第40-41页 |
第4章 基于K-means的围棋特征提取模型 | 第41-49页 |
·模型设计 | 第41-44页 |
·设计思想 | 第41-42页 |
·模块设计 | 第42页 |
·聚类对象 | 第42-43页 |
·特征集合的使用 | 第43页 |
·特征提取与应用算法流程 | 第43-44页 |
·棋盘和棋盘块定义 | 第44-46页 |
·K-means在围棋棋块聚类中的应用 | 第46-48页 |
·误差的度量 | 第48-49页 |
第5章 系统实现 | 第49-56页 |
·快速UCB模块 | 第49-52页 |
·位运算棋盘 | 第49-50页 |
·棋串 | 第50页 |
·伪气 | 第50-51页 |
·吃子、自杀、劫的判断 | 第51-52页 |
·眼、假眼的判断 | 第52页 |
·K-means聚类模块与神经网络模块 | 第52-56页 |
第6章 实验设计与分析 | 第56-65页 |
·实验设计 | 第56页 |
·棋谱库的建立 | 第56页 |
·参数值选择 | 第56-59页 |
·博弈树预剪枝和胜率学习 | 第59-60页 |
·与基线算法的比较 | 第60页 |
·模式的学习结果 | 第60页 |
·K-means预剪枝算法和纯UCB算法胜率比较 | 第60-62页 |
·K-means预剪枝算法和纯UCB算法效率比较 | 第62-63页 |
·实验结果分析 | 第63-65页 |
·K-means聚类数量分析 | 第63-64页 |
·K-means预剪枝效果分析 | 第64-65页 |
结论 | 第65-66页 |
参考文献 | 第66-69页 |
攻读学位期间发表的论文与研究成果清单 | 第69-70页 |
致谢 | 第70页 |