检索结果-维普期刊中文期刊服务平台

基于模拟退火算法和二阶HMM的Web信息抽取被引量：7: 1; 作者李伟男李书琴 +2 位作者景旭魏露李新乐《计算机工程与设计》 CSCD 北大核心 2014年第4期1264-1268,共5页; 针对传统隐马尔科夫模型对初值敏感和未考虑历史状态的问题,提出了使用模拟退火算法训练二阶隐马尔科夫模型参数的SA-HMM2。在基于SA-HMM2的Web信息抽取方法中,采用基于视觉的网页分割算法VIPS对网页分块得到状态转移序列,利用提出的SA-... 展开更多; 关键词 WEB信息抽取隐马尔科夫模型二阶隐马尔科夫模型模拟退火算法基于视觉的网页分割算法; 在线阅读下载PDF 职称材料

基于遗传算法和隐马尔可夫模型的Web信息抽取的改进被引量：8: 2; 作者李荣胡志军郑家恒《计算机科学》 CSCD 北大核心 2012年第3期196-199,215,共5页; 为了进一步提高Web信息抽取的准确性和效率,针对Web信息抽取的遗传算法和一阶隐马尔可夫模型混合方法在初值选取和参数寻优上的不足,提出了一种遗传算法和二阶隐马尔可夫模型内嵌结合的改进方法。在分层预处理阶段,利用格式信息和文本... 展开更多; 关键词 WEB信息抽取遗传算法二阶隐马尔可夫模型分层; 在线阅读下载PDF 职称材料

基于改进遗传退火HMM的Web信息抽取研究被引量：3: 3; 作者李荣冯丽萍王鸿斌《计算机应用与软件》 CSCD 北大核心 2014年第4期40-44,共5页; 为进一步提高Web信息抽取的准确率,针对隐马尔可夫模型HMM(Hidden Markov Model)及混合法在参数寻优上的不足,提出一种改进遗传退火HMM的Web抽取算法。构建一个后向依赖假设的HMM;用改进遗传退火优化HMM参数,将遗传算子和模拟退火SA(sim... 展开更多; 关键词信息抽取遗传退火隐马尔可夫模型 viterbi算法; 在线阅读下载PDF 职称材料

混合遗传算法和隐马尔可夫模型的Web信息抽取被引量：4: 4; 作者肖基毅邹腊梅李传琦《计算机工程与应用》 CSCD 北大核心 2008年第18期132-135,共4页; 传统Web信息抽取的隐马尔可夫模型对初值十分敏感和在实际训练中极易得到局部最优模型参数。提出了一种使用遗传算法优化HMM模型参数的Web信息抽取混合算法。该算法使用实数矩阵编码表示染色体,似然概率值为适应度取值,将GA与Baum-Welc... 展开更多; 关键词遗传算法隐马尔可夫模型 WEB信息抽取 Baum—Welch算法最大似然算法; 在线阅读下载PDF 职称材料

题名基于模拟退火算法和二阶HMM的Web信息抽取被引量：7: 1; 作者李伟男李书琴景旭魏露李新乐; 机构西北农林科技大学信息工程学院; 出处《计算机工程与设计》 CSCD 北大核心 2014年第4期1264-1268,共5页; 基金 "十二五"国家科技支撑计划基金项目(2011BAD21B05 2013BAD15B02) 中央高校基本科研业务费基金项目(QN2011036); 文摘针对传统隐马尔科夫模型对初值敏感和未考虑历史状态的问题,提出了使用模拟退火算法训练二阶隐马尔科夫模型参数的SA-HMM2。在基于SA-HMM2的Web信息抽取方法中,采用基于视觉的网页分割算法VIPS对网页分块得到状态转移序列,利用提出的SA-HMM2训练算法获取HMM2全局最优模型参数,用改进的Viterbi算法实现了Web信息的抽取。实验结果表明,该方法在平均综合值方面比HMM、GA-HMM分别提高约21%和7%。; 关键词 WEB信息抽取隐马尔科夫模型二阶隐马尔科夫模型模拟退火算法基于视觉的网页分割算法; Keywords Web information extraction hidden markov model second-order HMM~ simulated annealing algorithm vision-based page segmentation; 分类号 TP391 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名基于遗传算法和隐马尔可夫模型的Web信息抽取的改进被引量：8: 2; 作者李荣胡志军郑家恒; 机构忻州师范学院计算机系山西大学计算机与信息技术学院; 出处《计算机科学》 CSCD 北大核心 2012年第3期196-199,215,共5页; 基金国家自然科学基金(60775041) 山西省高校科技开发项目(20101120)资助; 文摘为了进一步提高Web信息抽取的准确性和效率,针对Web信息抽取的遗传算法和一阶隐马尔可夫模型混合方法在初值选取和参数寻优上的不足,提出了一种遗传算法和二阶隐马尔可夫模型内嵌结合的改进方法。在分层预处理阶段,利用格式信息和文本特征将文本切分成文本行、块或单个的词等恰当的层次;然后采用内嵌的遗传算法和二阶隐马尔可夫混合模型训练参数,保留最优和次优染色体,修正Baum-Welch算法的初始参数,多次使用遗传算法微调二阶隐马尔可夫模型;最后用改进的Viterbi算法实现Web信息抽取。实验结果表明,改进方法在精确度、召回率指标和时间性能上均比遗传算法和一阶隐马尔可夫模型的混合方法具有更好的性能。; 关键词 WEB信息抽取遗传算法二阶隐马尔可夫模型分层; Keywords information extraction, genetic algorithm, Second-order hidden markov model, Hierarchy; 分类号 TP391 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名基于改进遗传退火HMM的Web信息抽取研究被引量：3: 3; 作者李荣冯丽萍王鸿斌; 机构忻州师范学院计算机科学与技术系; 出处《计算机应用与软件》 CSCD 北大核心 2014年第4期40-44,共5页; 基金国家自然科学基金项目(601003247) 山西省高校科技开发项目(20101120 +1 种基金 2013147) 忻州师院重点学科建设项目(ZDXK201204); 文摘为进一步提高Web信息抽取的准确率,针对隐马尔可夫模型HMM(Hidden Markov Model)及混合法在参数寻优上的不足,提出一种改进遗传退火HMM的Web抽取算法。构建一个后向依赖假设的HMM;用改进遗传退火优化HMM参数,将遗传算子和模拟退火SA(simulated annealing)参数改进后,据GA(genetic algorithm)的自适应交叉、变异概率给子群体分类,实现多种群并行搜索和信息交换,以避免早熟,加速收敛;并将SA作为GA算子,加强局部寻优能力;最后,用双序Viterbi解码,与现有HMM优化法相比,实验的综合Fβ=1平均提高了6%,表明改进算法能有效提高抽取准确率和寻优性能。; 关键词信息抽取遗传退火隐马尔可夫模型 viterbi算法; Keywords information extraction genetic annealing hidden markov model viterbi algorithm; 分类号 TP391 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名混合遗传算法和隐马尔可夫模型的Web信息抽取被引量：4: 4; 作者肖基毅邹腊梅李传琦; 机构南华大学计算机科学与技术学院; 出处《计算机工程与应用》 CSCD 北大核心 2008年第18期132-135,共4页; 基金湖南省自然科学基金(the Natural Science Foundation of Hunan Province of China under Grant No.04JJ40051) 湖南省教育厅资助科研课题(the Research Project of Department of Education of Hunan Province China under Grant No.06c724); 文摘传统Web信息抽取的隐马尔可夫模型对初值十分敏感和在实际训练中极易得到局部最优模型参数。提出了一种使用遗传算法优化HMM模型参数的Web信息抽取混合算法。该算法使用实数矩阵编码表示染色体,似然概率值为适应度取值,将GA与Baum-Welch算法相结合对HMM模型参数进行全局优化,并且调整GA-HMM的Baum-Welch算法参数实现Web信息抽取。实验结果表明,新的算法在精确度和召回率指标上比传统HMM具有更好的性能。; 关键词遗传算法隐马尔可夫模型 WEB信息抽取 Baum—Welch算法最大似然算法; Keywords genetic algorithm hidden markov model Web information extraction Baum-Welch algorithm maximum likelihood algorithm; 分类号 TP391 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

	题名	作者	出处	发文年	被引量	操作
1	基于模拟退火算法和二阶HMM的Web信息抽取	李伟男李书琴景旭魏露李新乐	《计算机工程与设计》 CSCD 北大核心	2014	7	在线阅读下载PDF 职称材料
2	基于遗传算法和隐马尔可夫模型的Web信息抽取的改进	李荣胡志军郑家恒	《计算机科学》 CSCD 北大核心	2012	8	在线阅读下载PDF 职称材料
3	基于改进遗传退火HMM的Web信息抽取研究	李荣冯丽萍王鸿斌	《计算机应用与软件》 CSCD 北大核心	2014	3	在线阅读下载PDF 职称材料
4	混合遗传算法和隐马尔可夫模型的Web信息抽取	肖基毅邹腊梅李传琦	《计算机工程与应用》 CSCD 北大核心	2008	4	在线阅读下载PDF 职称材料