搜索结果: 1-5 共查到“机器翻译 维”相关记录5条 . 查询时间(1.029 秒)
在汉语到维语的统计机器翻译中，2种语言在形态学及语序上差异较大，导致未知词较多，且产生的维语译文语序混乱。针对上述问题，在对汉语和维语的语序进行研究的基础上，提出一种汉语句法调序方法，进而对维语进行形态学分析，采用基于因素的统计机器翻译系统进行验证。实验结果证明，该方法在性能上较基线系统有显著改进，BLEU评分由15.72提高到19.17。
基于核熵成分分析的数据降维
降维 核熵成分分析 核主成分分析 支持向量机
2012/3/6
针对高维数据的维灾问题，采用核熵成分分析方法降维数据，并与主成分分析及核主成分分析方法进行对比。降维后的数据利用支持向量机算法进行分类，以验证算法有效性。实验结果表明，KECA在较低的维数时仍然能获得较好的分类精度，可以减少后续的处理复杂度和运行时间，适用于机器学习、模式识别等领域。
基于成对约束和稀疏保留的数据降维算法
稀疏保留 机器学习 特征提取 人脸识别
2012/3/1
结合以成对约束形式给出的监督信息和无监督信息，提出一种基于成对约束和稀疏保留的数据降维算法。通过成对约束信息进行鉴别分析，利用稀疏表示方法保留数据集在变换空间中的全局稀疏结构。实验结果表明，与传统特征抽取算法相比，该算法的识别效果更好，需要调节的参数更少，且鲁棒性较高。
基于局域主方向重构的适应性非线性维数约减
非线性维数约减 适应性邻域选择 局域主方向 流形学习
2009/1/23
现有的主要非线性维数约减算法，如SIE和Isomap等，其邻域参数的设定是全局性的。仿真表明，对于局域流形结构差异较大的数据集，全局一致的邻域参数可能无法获得合理的嵌入结果。为此给出基于局域主方向重构的适应性邻域选择算法。算法首先为每个参考点选择一个邻域集，使各邻域集近似处于局域主线性子空间，并计算各邻域集的基向量集；再由基向量集对各邻域点的线性拟合误差判定该邻域点与主线性子空间的偏离程度，删除偏...