字符串相似度度量中LCS和GST算法比较.doc
2022-05-11 09:07:57 1.31MB 算法 文档资料
D-S证据理论不能很好地描述证据之间的冲突, 而且证据高度冲突时合成规则会得出反直观的结果。针对这一问题, 提出了一种改进的证据合成方法。首先建立余弦相似度空间, 利用证据向量之间的夹角余弦度量证据相似性程度, 通过冲突证据检测因子对其进行分类; 然后引入冲突比例因子决定证据的修正方法, 利用相似度对其进行局部修正或全局修正; 最后将修正后的证据代入D-S公式进行合成。应用实例证明, 该方法能够判定冲突证据, 实现冲突证据和相似性证据的合成, 具有较好的稳定性、分类精度和收敛速度。
2022-05-11 01:26:47 1.26MB 证据理论 冲突 相似度 聚类分析
1
调整后的锚定邻域回归(A +)方法是用于单幅图像超分辨率的最新方法之一。 A +方法的一个重要的隐含假设是,与相似的低分辨率(LR)图像块相对应的高分辨率(HR)图像块也必须相似。 因此,HR补丁空间和LR补丁空间中的邻域回归可以共享相同的代表系数。 但是,由于超分辨率问题的不适性,该假设通常是无效的,并且非相似的HR样本色块通常共享较大的代表系数。 为了解决这个问题,我们建议通过将高分辨率的基于相似度的调整权重引入HR表示系数来改进A +方法,以减少这些非相似HR样本补丁的影响。 在超分辨率处理之前,这些调整权重以低的计算成本被合并到投影矩阵中。 数值结果表明,该方法能够以较低的计算成本有效地提高A +方法的性能。
1
matlab图像检索中对图像进行处理,图片进行匹配,相似性检测
2022-05-10 11:43:48 13KB 相似度 检测
1
人工智能-机器学习-面向本体映射的语义相似度计算方法研究.pdf
2022-05-09 19:17:26 3.25MB 人工智能 机器学习 文档资料
(python)使用余弦相似度算法计算两个文本的相似度的简单实现
2022-05-08 19:03:53 3KB python 算法 源码软件 开发语言
余弦相似度,又称为余弦相似性,是通过计算两个向量的夹角余弦值, 来评估他们的相似度。 余弦相似度将向量根据坐标值,绘制到向量空间中,如常见的二维空间。 余弦相似度衡量的是2个向量间的夹角大小,通过夹角的余弦值表示结果,因此2个向量的余弦相似度为: 计算公示:分子为向量A与向量B的点乘,父母为各自的L2相乘,即将所有维度值的平方相加后开方。 余弦相似度的取值为[-1,1],值越大表示越相似 调整余弦相似度 余弦相似度更多的是从方向上区分差异,但是对绝对的数值是不敏感的。 余弦相似度对数值的不敏感导致了结果的误差,需要修正这种不合理性,就出现了调整余弦相似度,即所有维度上的数值都减去一个均值
2022-05-08 19:03:51 2KB python 算法 源码软件 开发语言
弦相似算法计算 短文本相似度
2022-05-08 19:03:50 49KB 算法 源码软件
用2.7版本Python实现比较2个文档的相似度计算,采用余弦相似度方法,main函数中的fileName1和fileName2是自己构造的数据集,把这几个文档放在一起就可以运行。
2022-05-08 10:21:24 1KB VSM余弦
1
通过相似度支持度优化基于犓近邻的协同过滤算法
2022-05-04 14:06:12 687KB 文档资料