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--自动推理、机器学习论文

基于机器学习的环匹配算法的研究与实现

摘要第5-7页
Abstract第7-8页
第1章 绪论第11-17页
    1.1 研究背景第11-12页
    1.2 研究目的及意义第12-13页
    1.3 本文主要工作第13-15页
    1.4 本文组织结构第15-17页
第2章 相关研究工作第17-29页
    2.1 发布/订阅系统概述第17-23页
        2.1.1 发布/订阅系统宏观分类第18-19页
        2.1.2 发布/订阅系统形式化描述第19页
        2.1.3 发布/订阅系统的拓扑结构第19-20页
        2.1.4 发布/订阅系统的环匹配算法第20-22页
        2.1.5 发布/订阅系统的top-k查询算法第22-23页
    2.2 聚类算法第23-27页
        2.2.1 聚类算法分类第24-27页
        2.2.2 聚类结果表现形式第27页
    2.3 本章小结第27-29页
第3章 基于ELM动态分类的近似环匹配策略第29-49页
    3.1 问题提出与分析第29-30页
    3.2 相关定义与概念第30-37页
        3.2.1 相关定义第30-32页
        3.2.2 ELM相关概念第32-33页
        3.2.3 特征选择第33-34页
        3.2.4 基于分类的近似环匹配算法第34-37页
    3.3 动态分类策略第37-38页
        3.3.1 监测分类器效率第38页
        3.3.2 生成训练样本第38页
        3.3.3 选择训练时机第38页
        3.3.4 选择合适的分类器第38页
    3.4 基于ELM动态分类的近似环匹配算法第38-42页
    3.5 性能评价与分析第42-47页
        3.5.1 实验环境第42-43页
        3.5.2 实验结果及分析第43-47页
    3.6 本章小结第47-49页
第4章 面向匹配结果的top-k聚类算法第49-65页
    4.1 问题提出与分析第49-50页
    4.2 相关定义与概念第50-52页
        4.2.1 相关定义第50-51页
        4.2.2 top-k聚类相关参数第51-52页
    4.3 Top-k聚类基本思想第52-53页
    4.4 Top-k聚类第53-59页
        4.4.1 top-k组查询算法第53-54页
        4.4.2 基于直方图的top-k聚类算法第54-56页
        4.4.3 基于扩展的DBSCAN的top-k聚类算法第56-59页
    4.5 性能评价与分析第59-63页
        4.5.1 实验环境第59页
        4.5.2 实验结果及分析第59-63页
    4.6 本章小结第63-65页
第5章 结束语第65-67页
    5.1 内容总结第65页
    5.2 未来展望第65-67页
参考文献第67-73页
致谢第73-75页
攻读硕士学位期间发表的论文和参加的项目第75页

论文共75页,点击 下载论文
上一篇:视频图像中维吾尔文文本提取技术的研究
下一篇:支持字符串局部比对的内存及外存优化方法