1) refinement algorithm
求精算法
1.
And a self-adaptive reasoning knowledge refinement algorithm based on the relation rules of neural models is proposed.
简要分析了传统的决策支持系统中的自适应知识库求精问题,提出了一种基于神经网络块间联系的规则的自适应推理知识求精算法。
2) iterative refinement algorithm
迭代求精算法
3) extended progressive refinement method
扩展的逐步求精算法
1.
In this paper,the extended progressive refinement method is studied and implemented in the way of OpenGL.
当虚拟场景发生变化时,扩展的逐步求精算法作为一种快速的辐射度算法,大量减少了重新计算辐射度所花费的时间。
4) intersection algorithm
求交算法
1.
No tracing is required at all in this torus/sphere intersection algorithm.
提出了一种不需跟踪的求交算法。
2.
After studying the intersection algorithms of plane and elemental curve/surface parametric curve/surface, a STEP based direct slicing algorithm for rapid prototyping was presented.
在研究了平面与基本曲线、曲面和参数曲线、曲面的求交算法后 ,提出了快速成型中基于STEP的 CAD模型直接分层算法 ,避免了 STL中间文件的转换 ,分层后得到层片的精确轮廓表示 ,并具有通用性好的优点 。
3.
Finally,through the intersection algorithm to generate three-dimensional geological model.
本文根据地层数据信息用薄板样条插值法生成通过控制点的光滑曲面,再用二次曲线拟合算法生成多个二维剖面,用缝合算法连接二维剖面形成凸出的山包,最后通过求交算法生成复杂的三维地质模型。
5) solution algorithm
求解算法
1.
Furthermore,solution algorithms to.
概括了布局设计中的优化目标及约束条件,综述了布局建模理论及其所建立的模型,并阐释了模型的求解算法。
2.
A solution algorithm is provided with the results of the example show that the model assignment holds the generality and adaptability.
在有容量限制的情况下,建立了公交网络系统的随机均衡配流模型,给出了模型的求解算法和算例,算例的结果表明模型具有一般性和适应性。
3.
In the second part of the paper, the solution algorithm for the model given in the first is propose.
设计了模型的求解算法并给出了算例 。
6) algorithm
[英]['ælɡərɪðəm] [美]['ælgə'rɪðəm]
求解算法
1.
Also an iterative solution algorithm for solving this combined park.
在此基础上,构造了一个基于概率的随机用户均衡模型来描述ATIS条件下的道路和停车选择问题,并给出了相应的求解算法。
2.
In this paper, an augmented user equilibrium model and solving algorithm are proposed and then a new approach for the O-D matrix estimation problem from link traffic flows is also proposed.
首先给出了一种增广的用户平衡配流问题的优化模型及求解算法 ,然后提出了一个从路段流量估计 OD交通量的双层规划模型及求解算法 。
补充资料：知识求精
知识求精
knowledge refinement
zhishi qiuJ一ng知识求精(kn.钾led罗代nn日川Ient)在知识获取完成后，对已获取的知识进行提纯、验证，转变成一个高效率、高质量的知识库，是人工智能中知识获取的一个重要组成部分。 知识求精的目的在于消除知识获取过程中因问题本身或获取手段等原因引起的提取知识的冗余和冲突，提高知识库的性能和质量，特别是满足一些有高可靠要求的应用需求，如核电站反应堆、卫星的发射与控制等。在知识工程师所提供的原型知识库的基础上，进行知识求精处理，避免了机器学习要求过多的背景知识和对间题域的严格限制，实现大量知识的获取任务。 知识求精是一个较年轻的领域。自从知识获取成为知识工程的瓶颈问题以来，知识求精得到迅速发展。前期(70年代中期)的知识求精基本上是作为专家系统(知识系统)中知识库的修改器。自80年代初，通用知识求精系统SEEK和SEEEZ出现以后，知识求精才具有较完整的模型和方法。80年代后期，人们感兴趣的问题则是使知识求精的技术和方法更加完善和成熟，并将此与其它的技术如知识证实技术、评价技术结合起来研究。 由于在知识获取过程中所带人的各种类型错误的性质和特征不同，各系统在求精阶段所采用的求精模型和方法都有一些各自不同的特点和策略:采交互就能完成所有基本知识的求精任务。 从技术手段来看，知识求精的方法分为三大类:①结构求精;②功能求精;③理论重检。所谓结构求精，是指利用知识库中的知识内部结构而无需或很少借助额外知识来精化专家的知识。功能求精则是利用知识库之外的额外知识，如用户的意图等，对知识库中的知识进行精化。理论重检则是利用归纳推理和基于解释机制，借助一组训练实例来提高知识库的质量，有扎实的形式化理论基础。 从实现方式来看，知识求精的方法还可以分为:①静态求精;②动态求精。前者只是依据知识库中知识的语义相容性来求精知识库中的知识;后者则是用例子进行测试，从而了解知识库中的知识性能强弱，以达到知识求精的目的。 随着被求精的知识系统的日益复杂，知识求精的技术与方法以及相应的计算机辅助求精工具越来越显示出其重要性。求精技术和方法正朝着更自动、更有效、更通用的方向发展;各种辅助的求精工具，也朝着更实用、更高效率的方向发展。知识求精技术，一方面，作为知识获取的一个分支和有效技术，更加紧密地结合于知识获取之中;另一方面，它的一些关键技术，如知识证实技术、知识检测技术和知识测试技术，随着知识系统应用的拓广，将日益扩大和成熟，成为知识处理技术中富有生命力的技术和方法之一。
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条