您的位置： 专家智库 > >

钟衍凡

作品数：3 被引量：1H指数：1
供职机构：暨南大学信息科学技术学院计算机科学系更多>>
相关领域：自动化与计算机技术更多>>

合作作者

文献类型

  • 1篇期刊文章
  • 1篇学位论文
  • 1篇会议论文

领域

  • 3篇自动化与计算...

主题

  • 2篇决策树
  • 1篇信息增益
  • 1篇树算法
  • 1篇决策树算法
  • 1篇基于实例学习
  • 1篇机器学习系统
  • 1篇XML
  • 1篇JAVA
  • 1篇MULTI-...
  • 1篇WORKLO...
  • 1篇BUILDI...
  • 1篇AGENT
  • 1篇PARALL...

机构

  • 3篇暨南大学

作者

  • 3篇钟衍凡
  • 2篇龙舜
  • 1篇蔡建华
  • 1篇王会进

传媒

  • 1篇暨南大学学报...

年份

  • 1篇2008
  • 1篇2007
  • 1篇2006
共 3 条 记 录，以下是 1-3
全选 清除 导出
排序方式：
一个基于实例学习的并行负荷分配方法
＜正＞1 引言当前日益复杂的计算机体系结构和以并行和异构为主要特征的计算环境使各种应用程序可以获得更高运行性能,如何充分发挥其并行处理能力是当前研究和开发的热点。并行技术传统上集中应用于
龙舜钟衍凡
关键词：PARALLELISMWORKLOADJAVAMULTI-THREADING
文献传递
ABLE中的决策树算法的模糊因子改进方法被引量：1
2008年
主体构建和学习环境(ABLE)是IBM开发的用于支持主体建模、构建多主体系统的框架.本文改进了ABLE的决策树算法,在其中计算属性的信息增益时加入一个模糊因子,使算法能更简单、有效地学习.在UCI数据集上的测试结果表明改进后的算法在不降低精度的前提下,可以生成更简洁的决策树,特别是处理复杂的数据时,可显著降低规则数目.
龙舜钟衍凡蔡建华王会进
关键词：决策树信息增益
基于ABLE的机器学习系统的研究与改进
随着近年来Agent技术的不断成熟，基于多Agent系统的应用也掀起了新热潮，并成为人工智能领域的重要研究方向之一。学习能力是Agent的核心，为了更好地提高多Agent系统的性能，结合机器学习是必不可少的。本文首先介绍...
钟衍凡
关键词：AGENTXML决策树
文献传递
全选 清除 导出
共1页<1>
聚类工具0