首页--工业技术论文--自动化技术、计算机技术论文--自动化基础理论论文--人工智能理论论文

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

论文共70页,点击 下载论文
上一篇:基于分数阶微积分理论的控制器设计及应用
下一篇:微博特定群体发现模型研究