王仲华

作品数：10被引量：7H指数：1
导出分析报告
供职机构：太原师范学院更多>>
发文主题：支持向量机马尔科夫排课HMSVM模型更多>>
发文领域：自动化与计算机技术理学水利工程天文地球更多>>
发文期刊：《科学之友（中）》《太原师范学院学报（自然科学版）》《电脑开发与应用》更多>>
所获基金：国家自然科学基金更多>>
-
在结果中检索

检索结果分析

署名顺序

  • 全部
  • 第一作者
结果分析中...
共 条 记 录，以下是1-10
全选清除导出
参考文献引证文献引用追踪
视图：
排序：
基于SVM和词性对分析的VN组合关系识别
《太原师范学院学报（自然科学版）》2016年第1期35-38,共4页王仲华 卢娇丽 
在动词+名词关系是中文句子结构中一种非常重要的语言现象,它在中文句法分析和组块分析时经常引起歧义,文章在充分分析了词性对统计信息的基础上,首先对动词+名词关系重要性进行了举例和统计说明,然后将动宾关系和偏正关系这两种重要的...
关键词：动词+名词 支持向量机 词性对分析 关系识别 
基于PCA的最小二乘支持向量机人脸识别研究
《电脑开发与应用》2014年第9期70-72,共3页史永伟 王仲华 
人脸识别是模式识别的一个重要分支,主要由特征提取和分类识别两个阶段决定,由于其小样本,高维数的特点,传统的分类器容易导致过学习问题,首先使用主成分分析法对人脸图像进行降维表示,然后将最小二乘支持向量机用于识别阶段,仿真实验...
关键词：主成分分析 最小二乘法 支持向量机 人脸识别 
基于HMSVM模型的动词+名词关系研究
《电脑开发与应用》2013年第5期12-14,共3页王仲华 卢娇丽 
动词+名词现象在中文句法分析中具有非常重要的地位,它直接影响着句子的结构分析,隐马尔科夫支持向量机是兼顾词语前后关系的一种结构化学习模型,该模型在英文句法分析中的有效性已经被证明,将该模型用于中文动词+名词关系分析识别任务...
关键词：动词+名词 隐马尔科夫支持向量机 中文句法分析 关系识别 
基于HMSVM模型的中文浅层句法分析被引量：1
《电脑开发与应用》2013年第2期30-32,共3页王仲华 卢娇丽 付继宗 
隐马尔科夫支持向量机(HMSVM)是一种新颖的结构化支持向量机模型,该模型在序列标注学习任务比如英文组块分析中的有效性已经被证明,将该模型用于中文浅层句法分析识别任务,实验结果表明,该模型获得了较好的准确率和召回率。
关键词：浅层句法 隐马尔科夫支持向量机 序列标注 边界识别 
基于HMSVM的基本名词短语识别研究被引量：1
《太原师范学院学报（自然科学版）》2012年第4期133-135,共3页王仲华 卢娇丽 
名词短语在自然语言处理中具有重要的地位.文章首先从语言学角度定义了名词短语,然后为名词短语识别的问题设计了一个序列标注模型,最后将隐马尔科夫支持向量机用于学习该序列标注问题.实验显示取得了满意的准确率和召回率.
关键词：基本名词短语 隐马尔科夫 支持向量机 序列标注 
图论在高校排课问题中的应用研究被引量：4
《太原师范学院学报（自然科学版）》2010年第1期39-42,共4页王仲华 卢娇丽 
在深入分析普通高校排课特点和难点的基础上,设计了一种基于图论的排课方法.文章首先根据教学要求构造出排课模型图,然后用图论的边着色理论对课时进行分配.针对教室不够用的情况,根据图论中的相关定理,对排课模型进行了初步优化.之后...
关键词：排课 图论 边着色 加权图 
LINGO在关键路径规划求解中的应用被引量：1
《太原师范学院学报（自然科学版）》2008年第3期62-64,共3页卢娇丽 王仲华 
文章首先介绍了关键路径的相关概念,然后给出了求关键路径的算法,最后使用L INGO软件求解工程规划中经常使用的关键路径规划实例,结果显示:使用该方法求解模型简便,能大大提高优化求解关键路径的效率.
关键词：关键路径 LINGO 规划求解 
非负矩阵的n次幂等性
《太原师范学院学报（自然科学版）》2008年第2期6-8,共3页郑艳萍 王仲华 王小春 
国家自然科学基金资助项目(10571113)
以非负矩阵的不可约正规形式为工具,给出了非负矩阵n次幂等的充要条件.
关键词：可约 不可约 置换矩阵 
遗传算法优化求解排课问题的应用研究
《科学之友（中）》2008年第6期17-18,20,共3页王仲华 卢娇丽 
排课问题是一个有约束的、多目标的组合优化问题,并且已经被证明为一个NP完全问题,运用计算机进行自动排课既是高校教务管理的迫切需要,同时也有重要的理论意义,本文的目的就是要找到一种解决这种复杂问题的方法。
关键词：遗传算法 排课 组合优化 测试 
粗糙集文本分类的应用研究
《太原师范学院学报（自然科学版）》2008年第1期31-34,共4页王仲华 卢娇丽 郑家恒 
文章提出了一种利用粗糙集理论生成文本分类规则的方法.首先,抽取特征词并计算权重.然后,在权值离散化之后,构造决策表.其中,特征词作为条件属性,类别作为决策属性.之后,将文本用属性约简和属性相对约简进行处理,得出决策规则.最后给出...
关键词：粗糙集 决策表 属性约简 
全选清除导出
共1页<1>
检索报告 对象比较 聚类工具 使用帮助 返回顶部