-
题名基于字典技术的本体整合系统
被引量：5
- 1
-
-
作者
魏哲雄
冯志勇
-
机构
天津大学计算机科学与技术学院
-
出处
《计算机应用》
CSCD
北大核心
2007年第2期428-430,共3页
-
基金
天津市应用基础重点研究项目(043800411)
-
文摘
针对本体整合中缺少语义理解的问题,使用字典技术对同义词进行识别,并使用启发式规则计算本体中实体间的相似度。以此为基础,开发了一个半自动化的本体整合系统。该系统为用户整合本体提供帮助,减轻了手工整合本体的工作量,同时提高了本体整合的准确性。
-
关键词
本体整合
字典技术
启发式规则
-
Keywords
ontology Integration
lexicon technology
heuristic rules
-
分类号
TP31
[自动化与计算机技术—计算机软件与理论]
-
-
题名基于人工免疫算法的故障字典技术测点选择
被引量：4
- 2
-
-
作者
邓勇
孙虎
-
机构
西南石油大学机电工程学院
-
出处
《控制与决策》
EI
CSCD
北大核心
2017年第5期925-929,共5页
-
基金
四川省教育厅重点科研项目(13ZA0186)
-
文摘
针对当前模拟电路故障字典技术测点选择算法时间开销大和精度低的问题,提出一种使用人工免疫算法进行测点选择的方法.首先建立整数编码表并对模拟电路故障字典技术测点选择问题进行分析;然后将人工免疫算法与测点选择问题相结合.仿真实验表明,该方法在测点选择问题中不仅能准确地找到全局最优解,而且可有效减少时间开销.
-
关键词
模拟电路
故障字典技术
测点选择
人工免疫算法
-
Keywords
analog circuit
fault dictionary technology
test point selection： artificial immune algorithm
-
分类号
TN710
[电子电信—电路与系统]
-
-
题名机器学习方法及其在电路故障诊断中的应用
- 3
-
-
作者
李杰
-
机构
西安轨道交通公司
-
出处
《工业技术创新》
2020年第2期97-101,共5页
-
文摘
应用机器学习方法能够有效降低电路故障诊断计算量和复杂度。介绍了电路故障诊断技术中的试验前仿真方法和试验后仿真方法,分析了试验前仿真方法中基于故障字典技术的机器学习方法的优势。阐述了四种机器学习方法——支持向量机、人工神经网络、模糊分类和隐马尔科夫模型,并对机器学习方法在常用模拟电路和电力设备中的故障诊断应用实例进行了评析。研究表明:机器学习方法能够与电路故障诊断相结合,使电路尤其是模拟电路的稳定性和效率得到很大的提升。介绍的应用实例为电路故障诊断研究明确了方向,对机器学习方法在电路故障诊断中的进一步应用和发展具有重要启示意义。
-
关键词
电路故障诊断
故障字典技术
机器学习
支持向量机
人工神经网络
隐马尔科夫模型
-
Keywords
Circuit Fault Diagnosis
Fault Dictionary Technology
Machine Learning
Support Vector Machine
Artificial Neural Network
Hidden Markov Model
-
分类号
TM13
[电气工程—电工理论与新技术]
-
