版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡介
1、伴隨著以互聯(lián)網(wǎng)為代表的IT信息產(chǎn)業(yè)的大發(fā)展,XML文檔以其良好的跨平臺性,被廣泛的應(yīng)用在金融、電子商務(wù)、web服務(wù)、數(shù)據(jù)交換等領(lǐng)域,在信息化時(shí)代中占有重要的地位。與此同時(shí),XML文檔分類問題作為XML數(shù)據(jù)管理和挖掘中的重要一環(huán),受到了極大關(guān)注。目前許多優(yōu)秀的XML文檔表達(dá)模型和XML分類方法都是針對確定XML文檔而提出的,然而網(wǎng)絡(luò)故障、信息更新不及時(shí)、數(shù)據(jù)抽取方法抽取信息不完全等原因造成許多XML數(shù)據(jù)中存在不確定性,這給XML分類問題帶
2、來了巨大的挑戰(zhàn)。本文針對不確定XML文檔的分類問題進(jìn)行了深入的研究,設(shè)計(jì)并實(shí)現(xiàn)了不確定XML文檔的分類處理。
在分析了不確定XML文檔數(shù)據(jù)模型特性的基礎(chǔ)上,通過生成不確定XML文檔的所有實(shí)例集合來表示一個(gè)不確定XML文檔,并依據(jù)每個(gè)實(shí)例相對于不確定XML文檔的存在概率,提出了基于存在概率的不確定學(xué)習(xí)機(jī)IU-ELM(Instance based UncertainELM)。對于不確定XML文檔的二分類問題提出了優(yōu)化的基于存在概率
3、的二分不確定極限學(xué)習(xí)機(jī)IBU-ELM(Instance based Binary Uncertain ELM)。其次,分析了基于存在概率的極限學(xué)習(xí)機(jī)中實(shí)例生成過多的問題,通過引入基于蒙特卡洛的抽樣思想,提出了不確定XML文檔抽樣算法,來減少不確定XML文檔實(shí)例的生成數(shù)量。通過抽樣生成不確定XML文檔的樣本實(shí)例集合來表示一個(gè)不確定XML文檔,并在此基礎(chǔ)上提出了基于抽樣的不確定極限學(xué)習(xí)機(jī)MCU-ELM(Monte Carlo based U
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲(chǔ)空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于極限學(xué)習(xí)機(jī)的XML文檔分類的研究與實(shí)現(xiàn).pdf
- 云環(huán)境下基于極限學(xué)習(xí)機(jī)的XML文檔分類的研究與實(shí)現(xiàn).pdf
- 基于極限學(xué)習(xí)機(jī)的不確定數(shù)據(jù)分類算法.pdf
- 基于分布式極限學(xué)習(xí)機(jī)的不確定數(shù)據(jù)流分類技術(shù)的研究與實(shí)現(xiàn).pdf
- 基于極限學(xué)習(xí)機(jī)的半監(jiān)督分類.pdf
- 基于堆疊極限學(xué)習(xí)機(jī)的衛(wèi)星云圖分類研究.pdf
- 基于極限學(xué)習(xí)機(jī)的三維模型數(shù)據(jù)分類研究.pdf
- 基于集成極限學(xué)習(xí)機(jī)的神經(jīng)元分類算法研究.pdf
- 基于分塊KPCA和極限學(xué)習(xí)機(jī)的圖像分類識別研究.pdf
- 基于進(jìn)化極限學(xué)習(xí)機(jī)的特征加權(quán)近鄰分類算法.pdf
- 基于深度學(xué)習(xí)的極限學(xué)習(xí)機(jī)算法研究.pdf
- 極限學(xué)習(xí)機(jī)的研究與應(yīng)用.pdf
- 基于支持向量機(jī)和極限學(xué)習(xí)機(jī)的管道缺陷分類方法研究.pdf
- 基于集成極限學(xué)習(xí)機(jī)的腦電信號分類研究.pdf
- 基于極限學(xué)習(xí)機(jī)的圖像標(biāo)注研究.pdf
- 基于小波核極限學(xué)習(xí)機(jī)的網(wǎng)絡(luò)流量分類.pdf
- 基于集成學(xué)習(xí)的極限學(xué)習(xí)機(jī)的算法研究.pdf
- 極限學(xué)習(xí)機(jī)及其在分類問題中的應(yīng)用.pdf
- 深度極限學(xué)習(xí)機(jī)的研究與應(yīng)用.pdf
- 基于穩(wěn)健估計(jì)的極限學(xué)習(xí)機(jī)方法研究.pdf
評論
0/150
提交評論