-
题名支持多类型瑕疵度量的RETE改进算法
被引量:3
- 1
-
-
作者
文举荣
王永利
刘伟
-
机构
南京理工大学计算机科学与技术学院
-
出处
《计算机工程与应用》
CSCD
北大核心
2015年第15期48-55,共8页
-
基金
国家自然科学基金(No.61170035)
江苏省自然科学基金重大专项(No.BK2011022)
+3 种基金
江苏省自然科学基金(No.BK2011702)
江苏省高校2010年"青蓝工程"优秀青年骨干教师项目
中央高校基本科研业务费专项资金(No.30920130112006)
南京市科技计划重点项目(No.020142010)
-
文摘
传统的RETE算法仅支持布尔的一阶逻辑推理,在一阶逻辑中,一个问题非真即假,然而现实中许多问题本身是不精确的、定义模糊的或者是有歧义的(统称为"瑕疵"),例如某些规则本身的表示不确定,此外,目前许多数据来自于多种类型的传感器,因而这些数据本身具有"瑕疵"特征。然而传统的RETE算法不能自然有效地处理"瑕疵",针对此问题,提出可处理瑕疵的RETE算法。通过在传统的RETE中引入"瑕疵度"对多种类型的"瑕疵"度量,对RETE网中约束节点的约束操作进行扩展,并在RETE网中引入操作符节点,从而实现对多种类型的"瑕疵"的有效支持。
-
关键词
基于规则的系统
一种模式匹配算法(RETE)
瑕疵
瑕疵推理
-
Keywords
rule-based system
RETE
imperfection
imperfection reasoning
-
分类号
TP301
[自动化与计算机技术—计算机系统结构]
-
-
题名通用学习框架在单样本人脸识别中的应用研究
- 2
-
-
作者
马龙
刘伟
文举荣
-
机构
南京理工大学计算机科学与技术学院
-
出处
《计算机应用与软件》
CSCD
北大核心
2014年第8期179-181,231,共4页
-
文摘
针对单样本人脸识别问题,提出一种基于通用学习框架的人脸识别方法。以大量的通用样本与各个单样本按一定比例叠加的方式,增加每个类的训练样本总数,有效地运用了2DPCA方法进行特征抽取,将所有样本投影到特征子空间,再根据最大隶属度原则完成人脸识别,明显提高了识别率。该方法的有效性分别在ORL及FERET人脸数据库上得到了验证。
-
关键词
人脸识别
单训练样本
通用学习框架
二维主成分分析
-
Keywords
Face recognition Single training sample Generic learning framework 2DPCA
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-