【摘 要】
：
研究了一致性规划任务信念状态空间的表示方法。针对一致性有限域表示（CPT-FDR）算法在任务生成阶段选择状态变量的不足,提出了一种基于初始状态中文字相容互斥的状态变量选择算
论文部分内容阅读
研究了一致性规划任务信念状态空间的表示方法。针对一致性有限域表示（CPT-FDR）算法在任务生成阶段选择状态变量的不足,提出了一种基于初始状态中文字相容互斥的状态变量选择算法——MECV算法。CPT-FDR未考虑初始信念状态中文字的互斥性,产生冗余的编码信息,降低了编码的效率。MECV算法利用有用正负文字构造新的未覆盖事实集,提取初始信念状态中处于不同世界状态的文字组成互斥组,再编码状态变量。实验结果表明该算法能有效地压缩信念状态空间。
其他文献
为了解决当前云计算的实体信任评估领域所实施的方法策略无法满足云计算环境的动态模糊性的问题,设计了一种多属性信任关系的动态评估模型。该方法以遗传自适应学习算法为理
针对标题文本特征少、特征维度高和分布不均匀导致分类性能不佳的问题,提出了一种利用分类体系结构信息的双向特征选择算法,并在该算法的基础上实现标题分类。该方法以具有严
现有过滤型特征选择算法并未考虑非线性数据的内在结构,从而分类准确率远远低于封装型算法,对此提出一种基于再生核希尔伯特空间映射的高维数据特征选择算法。首先基于分支定界法建立搜索树,并对其进行搜索;然后基于再生核希尔伯特空间映射分析非线性数据的内部结构;最后根据数据集的内部结构选择最优的距离计算方法。对比仿真实验结果表明,该方法与封装型特征选择算法具有接近的分类准确率,同时在计算效率上具有明显的优势,
目前的动态文摘方法几乎都基于文档批处理机制,无法适应实际应用中表现为不稳定数据流的文档数据,因此无法满足实时更新摘要的需求。针对上述问题,提出了一种基于K近邻句子图
针对目前物联网和云计算技术结合后，物联网RFID产生的小型数据致使云计算中MapReduce算法产生运算瓶颈问题进行了研究。运用PML和EPC编码技术保证了数据存储的完整性，采用快速
部分覆盖是粒计算理论框架下的第二种粒计算模型,全覆盖粒计算是部分覆盖的一种特例。为实现全覆盖粒计算模型中粒的计算,探究了全覆盖粒计算模型中所提逼近算子的公理化系统,提出了粒的中心、全覆盖粒度熵及全覆盖粒族熵的概念,探讨了基本粒和全覆盖粒重要性度量的方法,并提出了相应的约简与核的判定定理。基于所提定义、定理设计了全覆盖粒的约简算法和全覆盖粒族的约简算法,并从理论上分析了两种算法的复杂度。最后以客户根
MapReduce是目前广泛应用的并行计算框架，是Hadoop平台的重要组成部分。主要包括Map和Reduce函数，Map函数输出key-value键值对作为Reduce的输入。由于输入的动态性，不同主机上的