公开(公告)号：CN105843924A

公开(公告)日：2016-08-10

申请号：CN201610179487.3

申请日：2016-03-25

Applicant: 南京邮电大学

Inventor： 王堃 ,  陆恒 ,  张明翔 ,  岳东 ,  孙雁飞 ,  吴蒙 ,  亓晋 ,  陈思光

IPC: G06F17/30

CPC classification number: G06F16/285 ,  G06F16/2246 ,  G06F16/24568

Abstract: 本发明公开一种认知计算中基于CART的决策树构建方法，包括：根据决策树的制定规则，初始化决策树的根节点和对应的特征属性集；对训练集的数据进行排序操作；判断节点中的所有样本数据是否属于同一类，计算待分裂的节点的最优和次优特征属性，判断是否满足选择最优分裂属性和中断机制的分裂条件，若满足，则使用最优分裂属性进行分裂，根据使用最优分裂属性分裂，然后使用特征属性分裂后的节点迭代替换当前节点，从左右两个分支中添加一个新的叶子节点，达到决策树的自动分裂；否则等待数据流输入，进行样本更新，继续对节点分裂进行计算。本发明进一步提高了处理数据流的准确度，降低了系统阻塞的可能性。

公开(公告)号：CN105740950B

公开(公告)日：2019-03-29

申请号：CN201610035536.6

申请日：2016-01-19

Applicant: 南京邮电大学

Inventor： 王堃 ,  张明翔 ,  岳东 ,  孙雁飞 ,  吴蒙 ,  亓晋 ,  陈思光

IPC: G06N3/02 ,  G06F16/903

Abstract: 本发明公开一种基于滑齿法的神经网络的模板匹配方法，包括以下步骤：根据误差反向传播的神经网络的制定规则，将网络结构分为输入层、隐藏层和输出层；在隐藏层中设定第一误差范围、最大训练次数和第二误差范围并初始化；根据数据分块机制，输入的数据进行相似性检测后被分割成多个数据块；利用滑齿法匹配被处理的数据；判断网络节点的误差和模板匹配的误差是否分别落在第一误差范围和第二误差范围内，或者，模板匹配的误差是否在第二误差范围内且达到最大训练次数；如是，则输出结果；否则修正滑齿的权值，重复执行以上步骤，直到输出结果。本发明进一步改善了模板匹配精度，提升了运行时间以及算法稳定性。

公开(公告)号：CN105740950A

公开(公告)日：2016-07-06

申请号：CN201610035536.6

申请日：2016-01-19

Applicant: 南京邮电大学

Inventor： 王堃 ,  张明翔 ,  岳东 ,  孙雁飞 ,  吴蒙 ,  亓晋 ,  陈思光

IPC: G06N3/02 ,  G06F17/30

Abstract: 本发明公开一种基于滑齿法的神经网络的模板匹配方法，包括以下步骤：根据误差反向传播的神经网络的制定规则，将网络结构分为输入层、隐藏层和输出层；在隐藏层中设定第一误差范围、最大训练次数和第二误差范围并初始化；根据数据分块机制，输入的数据进行相似性检测后被分割成多个数据块；利用滑齿法匹配被处理的数据；判断网络节点的误差和模板匹配的误差是否分别落在第一误差范围和第二误差范围内，或者，模板匹配的误差是否在第二误差范围内且达到最大训练次数；如是，则输出结果；否则修正滑齿的权值，重复执行以上步骤，直到输出结果。本发明进一步改善了模板匹配精度，提升了运行时间以及算法稳定性。