基于完全代理模型的贝叶斯网络结构学习

贝叶斯网络结构学习中,基于变量序的空间搜索方法不仅是高效的而且结构的质量也是可靠的。但是,在搜索过程中,序的质量评估是一个非常关键的而且也是困难的问题。现有的方法虽然是高效的,但是序的质量评估不可靠。本文提出了一种新的评估序的质量的方法即完全代理模型评估法,该模型用近似于真实的父集来确定变量序的质量,从而找到一个高评分的网络结构。提议的方法主要包含两部分：最佳邻居学习,在变量数的多项式时间内使用互信息学习每个变量的最佳邻居集合;最佳父集学习,在最佳邻居集合规模的指数级时间内,根据当前的变量顺序以及变量的邻居集合学习每个变量的最佳的父集。本文从理论上分析了算法的合理性,从实验上和现有的代理模型算法做了对比,验证了算法的可靠性。

新疆汉语方言词汇本字小考

《新疆汉语方言辞典》和《巴里坤汉语方言俗语》两部著作是新疆语言学界研究新疆汉语方言词汇的代表性成果。两部著作收词丰富,释义比较准确,举例也很恰当,对于保护和传承新疆汉语方言这一非物质文化遗产,作出了可贵贡献。其不足之处,首先表现在一些词语的用字陈陈相因,不太妥帖。为此,对两部著作中的175个词语的本字进行了考索,力求寻找构成词语的理据,增强词语用字的说服力。

有界树宽的贝叶斯网络结构近似学习研究进展

概率图模型在机器学习和决策论尤其是不确定性领域中作用日益突出,如果能够有效地使用模型的表示、推断、学习等能力,可以建立适应不同问题域的智能系统.贝叶斯网络是这些模型使用最广泛的一类,由于其学习和推断的复杂性,近几年,从数据中学习有界树宽的贝叶斯网络结构引起了研究者广泛关注.就目前有界树宽的贝叶斯网络结构近似学习技术做了深入的探讨并且归纳了有界树宽的贝叶斯网络结构学习亟待解决的两个问题.

改进的教学评价方法及评价指标对评价结果的影响程度分析

首先对基于统计平均的传统教学评价方法进行改进,利用聚类算法去除原始数据中的噪声数据,再对去噪后数据和各评价指标分别聚类,得出聚类结果;其次对聚类结果进行综合分析,给出聚类结果中各评价指标的数据分布情况;最后计算出各评价指标对评价结果的影响系数.基于此,不仅得到更科学的评价结果,进而为教学评价指标的选取提供依据,也为教师更快提高教学质量提供参考.

嵌入式语音识别技术实现

近年来,各种网络软件与APP的出现,使嵌入式语音识别技术的应用变得越来越广泛,极大程度的方便了人们的日常交流,丰富了人们的日常生活。探讨嵌入式语音识别技术在软件平台中的实现,对于提高软件的语音识别性能有着十分重要的意义。为此,本文便在现有语音识别技术的基础上,对嵌入式设备中语音识别算法的编程及实现进行探讨,并构建了智能声控平台,由远程电源来对平台进行控制,以此验证嵌入式语音识别技术在该平台中的应用效果。

基于运放的高频晶体振荡器的设计与实现

高频晶体振荡器具有很高的品质因数及良好的频率稳定度,是高频信号源的基本核心部件.基于运放的高频晶体振荡器的设计与实现涉及对电路分析、信号与系统、高频电路等多门课程的深入理解和把握.通过对电路设计与制作过程的详细介绍,帮助学生从知识体系上把握所学到的课程内容,对提高学生分析问题、解决问题及动手实践能力有重要意义.

基于N-gram模型的哈萨克语语音识别及处理技术研究

语言是人与人之间沟通的桥梁,语言识别技术作为一种非常重要的技术,对于促进世界文化交流有着十分重要的意义。目前,N-gram模型是使用最为广泛的一种语言模型,它不仅能够压缩语音在识别过程中的搜索空间,还能使语音识别准确率大幅提高。哈萨克语的黏着性较强,其组成结构复杂,这也使人们对哈萨克语的语音识别存在较大困难。为此,本文便基于N-gram模型对哈萨克语语音识别及处理技术进行深入的研究,在此基础上构建了哈萨克语语音识别N-gram模型,最后对基于N-gram模型的哈萨克语语音识别及处理技术的应用效果进行了验证。

民族班三维CAD制图课程教学问题探讨

三维CAD制图课程是工科类专业一门非常重要的专业课程。针对目前民族班三维CAD制图课程中出现的教学问题进行分析,并根据课程的特点和学生的学习现状提出相应的建议,以期通过交流经验,提高教师解决民族班教学问题的能力,在新疆本地培养出高质量的少数民族工科专业人才。

用于WLAN的紧凑型低耦合MIMO天线的设计

提出一种用于WLAN无线通信系统的紧凑、双频带、高隔离度的多输入多输出(MIMO)天线.天线由2个对称的改善U型开槽来实现双频的PIFA组成.回波损耗带宽(S11≤-10 d B)覆盖WLAN 2.4 GHz、WLAN 5.2 GHz、WLAN 5.8 GHz.天线利用缺陷接地结构提高了2个PIFA间的隔离度,带宽内保持隔离度-15 d B以下.该天线尺寸小、相互耦合程度低且方向图全向性好,完全适合于WLAN终端设备安装使用.

分块重排向量二维局部保持鉴别方法在人脸识别中的应用

提出了一种基于分块重排向量二维局部保持鉴别(Mv2DLPP)的人脸识别方法.先对原始图像矩阵进行分块,重排连接每个子块,每个子块转换成向量,通过列向量表示每个子块,可以得到二维图像,然后对二维矩阵实施2DLPP方法进行特征提取,该方法能有效地提取图像的局部特征.在ORL和YALE人脸库的测试结果验证了该算法的有效性.