 上传我的文档
 下载
 收藏
该文档贡献者很忙，什么也没留下。
 下载此文档
CBR试验常见问题探讨(测力环计算方法)_GAOQS
下载积分：200
内容提示：CBR试验常见问题探讨(测力环计算方法)_GAOQS
文档格式：PDF|
浏览次数：37|
上传日期： 01:06:52|
文档星级：
全文阅读已结束，如果下载本文需要使用
 200 积分
下载此文档
该用户还上传了这些文档
CBR试验常见问题探讨(测力环计算方法)_GAOQS
关注微信公众号您所在位置： &
&nbsp&&nbsp&nbsp&&nbsp
承载比.doc 7页
本文档一共被下载：
次 ,您可全文免费在线阅读后下载本文档。
下载提示
1.本站不保证该用户上传的文档完整性，不预览、不比对内容而直接下载产生的反悔问题本站不予受理。
2.该文档所得收入(下载+内容+预览三)归上传者、原创者。
3.登录后可充值，立即自动返金币，充值渠道很便利
需要金币：80 &&
你可能关注的文档：
··········
··········
承载比(CBR)试验在高速公路中的应用探讨
[内容摘要]　随着高速公路建设的发展,我国现行规范已将CBR值作为高等级公路路基填筑选择的依据。本文结合承载比试验中的一些问题及某高速公路上路床用土因承载比不够问题进行探讨,并对路基填土掺电石灰前后的CBR值的变化进行分析,说明电石灰用在路基填筑中的可行性。
关键词：高速公路??电石灰??承载比　试验方法
1.试验原理
试验时,按标准击实试验确定掺4%、6%、8%、10%的电石灰的最大干密度和最佳含水量并制备所需的试件,为了模拟电石灰土在使用过程中的最不利状态,加载前先泡水四昼夜后进行贯入试验,在试件顶面施加荷载板以模拟路面结构对土基的附加应力,贯入试验中,材料的承载能力越高,对其压力一定贯入深度所需施加的荷载越大。
2.试验技术要求
2.1 试验准备
在预定做击实试验的前一天取代表土样测风干含水量；选择合适的设备，并检查其形状尺寸是否符合要求。
2.2 试验过程
2.2.1求素土和掺4%、6%、8%、10%的电石灰土的最大干密度和最佳含水量。按最佳含水量制备CBR试验所需试件。在试件顶面加荷载板并泡水四昼夜。
2.2.2 贯入试验时,加荷使贯入杆以1～1.25mm/min的速度压入试件,记录不同贯入量。总贯入量一般应超过7mm。
2.2.3 绘制P-τ关系曲线,必要时进行原点修正，从曲线上读取贯入量分别为2.5mm和5.0mm所对应的单位压力P2.5(Mpa)、P5.0(Mpa)，一般采用CBR2.5的值,如CBR5.0&CBR2.5,则试验要重做。如果结果仍然如此,则采用CBR5.0的值。
3.试验操作注意要点
3.1 确定试样的最大干密度和最佳含水量
按照《公路工程土工试验规程》T0313-93规定进行标准击实试验以确定试样的最大干密度和最佳含水量,同时要注意,由于最大干密度和最佳含水量的确定与CBR试验的精度直接相关,也是做好CBR试验的关键与基础,即使是均匀的土壤材料,由于试验误差的原因,一组试验很难如实反映试样的实际。因此,标准击实必须做平行试验,以平均最大干密度和平均最佳含水量作为制备CBR试件的标准。
3.2 确定路强仪的测力环校正系数
在选择路强仪的测力环时应根据不同的材料进行选择:对于粘性土、砂土应选用7.5KN、30KN的测力环。测力环只能读出百分表的变形量,然后再根据变形量算出压力值,计算时不能简单地采用标定的变形与压力的对应数据进行内插,而应当先将测力环的标定数据进行回归分析,得出测力环的变形量与压力之间的回归方程式,再将变形量乘以回归系数得出压力值。
3.3 制取试件过程中的注意事项
3.3.1制件前,首先取样测定试料的含水量,按标准击实试验确定的最佳含水量计算每份试料应加的水量,制料时所加水量和掺灰量一定要精确,试样要充分拌和均匀,并且要按规范规定的时间进行闷料。
3.3.2制取试件过程中,有时会发生试样粘在垫块上,从而造成试件顶面凹凸不平的现象,这样的试件将影响CBR的真实值,只能作废。为防止这种现象发生,可以在垫块上放二层滤纸,从而减少试样被粘的可能。
试验规程中CBR值在试样压实度为100%时进行试验,仅在需要时制备三种干密度试件,而《公路路基施工技术规范》(JTJ 033-95)中对不同填土深度的填方材料CBR值要求有所不同,相应的填土深度所要求的压实度实际也不一样。现以我合同段设计文件为例,见表3.1
路基施工压实度与填料最小强度??????????????表3.1
路基深度范围(cm) 高速公路、一级公路
路基压实度(%)标准 填料最小强度(CBR)(%)
上路床(0～30) ≥96 8.0
下路床(30～80) ≥96 5.0
上路堤(80～150) ≥95 4.0
下路堤(&150) ≥93 3.0
零填及路堑路床(0～30) ≥96 8.0
注：路基竣工验收弯沉值266.2(0.01mm)
规范中没有明确表明对于不同填土深度的CBR值是在试样压实度为相应值时进行试验,但笔者认为CBR试验应该得出压实度为90%、95%、100%时相应的CBR值,才能与实际施工中的情况进行对应,在实际施工时,压实度的按填土深度分区与CBR值按填土深度分区是一致的。
试验方法:1.按照每层击数分别为30、50和98次进行制取试件；2.测出不同击数条件下的干密度及相应的CBR值；3.以CBR值为X轴,干密度为Y轴画出干密度与CBR值之间的关系曲线,从曲线上可以得到对应于所需压实度的CBR求取方法。见图3.1。3.4 试验规程与方法
4.试验数据分析
4.1 CBR值规范允许值合理性探讨
我合同段某土场掺电石灰前后的CBR值试验数据统计见表4.1。承载比(CBR)试验数据反映路基填筑材料的水稳定性和整体强度的大小,也反映了材料的承
正在加载中，请稍后...CBR试验常见问题探讨(测力环计算方法)_百度文库
两大类热门资源免费畅读
续费一年阅读会员，立省24元！
CBR试验常见问题探讨(测力环计算方法)
&&试验员可以看看的
阅读已结束，下载文档到电脑
想免费下载更多文档？
定制HR最喜欢的简历
你可能喜欢君，已阅读到文档的结尾了呢~~
承载比(CBR)试验常见问题浅谈,cbr型承载比试验仪,承载比cbr试验视频,cbr加州承载比,cbr承载比,cbr试验,cbr试验视频,cbr试验报告,土的cbr试验视频,cbr试验是什么
扫扫二维码，随身浏览文档
手机或平板扫扫即可继续访问
承载比(CBR)试验常见问题浅谈
举报该文档为侵权文档。
举报该文档含有违规或不良信息。
反馈该文档无法正常浏览。
举报该文档为重复文档。
推荐理由：
将文档分享至：
分享完整地址
文档地址：
粘贴到BBS或博客
flash地址：
支持嵌入FLASH地址的网站使用
html代码：
&embed src='/DocinViewer--144.swf' width='100%' height='600' type=application/x-shockwave-flash ALLOWFULLSCREEN='true' ALLOWSCRIPTACCESS='always'&&/embed&
450px*300px480px*400px650px*490px
支持嵌入HTML代码的网站使用
您的内容已经提交成功
您所提交的内容需要审核后才能发布，请您等待！
3秒自动关闭窗口基于CBR智能超媒体导餐系统-学路网-学习路上 有我相伴
基于CBR智能超媒体导餐系统
来源：DOCIN &责任编辑：鲁倩 &时间: 23:58:22
Applyingroughsetstodiscovertacitknowledge...问：这是一篇英文论文，哪儿有他的中文翻译啊答：为了克服目前在基于规则推理(Rule-BasedReasoning,RBR)系统中获取和更新规则的困难以及加快基于事例推理(Case-BasedReasoning,CBR)系统中的事例检索过程,文章提出了...CBR值是什么意思??承载能力以材料抵抗局部荷载压入变形的能力表征,并采用标准碎石的承载能力为标准,以相对值的百分数表示CBR值。这种方法后来也用于评定土基的强度。由于CBR的试验方...土基现场CBR值是什么意思?以相对值的百分数表示CBR值。这种方法后来也用于评定土基的强度。由于CBR的试验方法简单,设备造价低廉,在许多国家得到广泛应用。采用CBR法确定沥青路面厚度,有配...基于CBR智能超媒体导餐系统(图3)基于CBR智能超媒体导餐系统(图6)基于CBR智能超媒体导餐系统(图8)基于CBR智能超媒体导餐系统(图10)基于CBR智能超媒体导餐系统(图12)基于CBR智能超媒体导餐系统(图15)音频wma格式中的编码质量有恒定比特率(CBR)和基于质量的V...主要优点是可以让整首歌的音质都能大致达到我们的品质要求.VBR与传统的CBR编码的MP3不同,传统的CBR(ConstentsBitRate)就是静态比特率,CBR约定死了MP3的采样率...防抓取，学路网提供内容。==========以下对应文字版==========路基填料CBR值是什么并采用高质量标准碎石的承载能力为标准,以相对值的百分数表示CBR值。这种方法后来也用于评定土基的强度。2、CBR表征路基土、粒料、稳定土强度的一种指标。即标准...防抓取，学路网提供内容。中国科学技术大学硕士学位论文 基于CBR智能超媒体导餐系统 姓名：黄浩 申请学位级别：硕士 专业：电路与系统 指导教师：施泽生
中国科学技术大学硕士学位论文 论文摘要 本文研究的是基于事例推理ＣＢＲ（Ｃａｓｅ―Ｂａｓｅｄ Ｒｅａｓｏｎｉｎｇ）在智能超媒体导 餐系统中的应用。VBR与CBR的区别是什么?。当在一个带宽受限的信道中进行多媒体通讯的时候CBR是非常有用的,因为这时候受限的是最高码率,CBR可以更好的易用这样的信道。但是CBR不适合进行存储,因为CBR将...防抓取，学路网提供内容。导餐系统的特点是面向餐馆众多、就餐者需求于差万别，是一 个典型的强经验应用领域；ＣＢＲ借鉴人类思维模式，使用过去解决问题的历史 经验实现对新问题的求解，对于那些目前没有或根本不存在规则的领域问题的求 解，基于事例推理能很好地发挥作用。什么是土的CBR试验?tP5.0(MPa)则:CBR2.5=P2.5/CBR5.0=P5.0/1一般采用CBR2.5的值,如CBR5.0&CBR2.5,则试验要重做。如果结果仍然如此,则采用CBR5...防抓取，学路网提供内容。ＣＢＲ流程由事例检索、事例复用、事例修补和事例库维护四个阶段构成，是 一个递增的周而复始过程。路基路面的CBR值的涵义是什么?什么是CBR值?并采用标准碎石的承载能力为标准,以相对值的百分数表示CBR值.这种方法后来也用于评定土基的强度.由于CBR的试验方法简单,设备造价低廉,在许多国家得到广防抓取，学路网提供内容。结合餐饮业的特点，我们将导餐系统设计成前台（在 线）推荐和后台（离线）学习两大模块，并将ＣＢＲ中事例检索和事例复用两个 阶段的研究工作融入到在线推荐模块的设计中，将ＣＢＲ中事例修补和事例库维 护两个阶段的研究工作融入到离线学习模块的设计中。电脑用什么软件打开cbr格式文件1、cbr是欧美漫画电子书的专用格式,是用WINZIP制作而成,把.cbr改成.zip就可以解压缩。2、在国外P2P网络中,把漫画打包的CDR格式就是把ZIP、RAR改名。3、解压缩后使...防抓取，学路网提供内容。针对事例检索，本文对传统的基于ＳＱＬ、ｋ－ｄ树、ＩＤ３决策树的事例检索算 法作了对比分析，并在标准的ｋ－ｄ树算法的基础上引入聚类思想，将原始的事例 库组织成聚合中心库和类库二级层次结构，提出了基于改进ｋ－ｄ树事例检索算 法；针对事例复用，本文分析了传统的基于相似性的尺度在实际使用中的缺陷， 并在相似性尺度的基础上引入了多样性尺度，实验证明复合相似性和多样性尺度 在不损失与目标查询相似性的前提下确实提高了输出事例相互之间的多样性；针 对事例修补，本文讨论了传统的事例修补策略，并结合导餐系统的特点，采用了 基于特征差异的取代式修补策略：我们从已存在的事例库中搜索修补知识，检索 具有相同特征差异的事例对，并对输出事例作相应的取代操作：针对事例库维护， 本文讨论了反映事例库品质的两类评价标准，分析了反映事例之间相互关系的属 性以及事例之间相互冲突的反映手段――冲突图，我们给出了冲突图自动生成算 法，实现了基于求解冲突图的最大独立子图的事例库维护算法。本田cbr600f5多少钱啊!F5这款车还是不错的很多车友都选择玩这款车主要是因为本田的质量过硬配件多且便宜F5这款车价格从3万~9万多不等(水货价格)你要玩车的话看根据的具体需求了,你...防抓取，学路网提供内容。最后我们对全文作了总结，并对进一步研究工作作了展望。防抓取，学路网提供内容。关键词：ＣＢＲ事例检索 事例复用 事例修补 事例库维护 智能导餐 中国科学技术大学硕士学位论文Ａｂｓｔｒａｃｔ Ｔｈｅｍａｉｎ ｐｕｒｐｏｓｅ ｏｆｔｈｉｓ ｐａｐｅｒ ｉｓｔｏ ｓｔｕｄｙ ｔｈｅｍｅｔｈｏｄｏｆ ＣＢＲ，ａｎｄ ａｐｐｌｙ ｉｔｉｎｔｏ Ｈｙｐｅｒ－ＭｅｄｉａＩｎｔｅｌｌｉｇｅｎｔ―Ｇｕｉｄｅｄ Ｒｅｓｔａｕｒａｎｔ Ｓｙｓｔｅｍ．Ｆｏｒ Ｉｎｔｅｌｌｉｇｅｎｔ―Ｇｕｉｄｅｄ Ｒｅｓｔａｕｒａｎｔ Ｓｙｓｔｅｍ，ｔｈｅｓｉｇｎｉｆｉｃａｎｔ ｎｕｍｂｅｒｏｆｒｅｓｔａｕｒａｎｔａｎｄｔｈｅｄｉｆｆｅｒｅｎｔｋｉｎｄｓｏｆ ｕｓｅｒｓａｒｅｔｈｅｍｏｓｔｄｉｆｆｉｃｕｌｔ ｐｒｏｂｌｅｍ，ａｎｄ ｉｔｉｓａ ｔｙｐｉｃａｌｅｘｐｅｒｉｅｎｃｅ―ｆａｃｅｄ ａｒｅａ．Ｓｉｍｉｌａｒ ｔｏｔｈｅ ｔｈｉｎｋｉｎｇ ｍｏｄｅｌｏｆ ｍａｎｋｉｎｄ，ＣＢＲ ｓｏｌｖｅａｎｅｗ ｐｒｏｂｌｅｍ ｗｉｔｈｔｈｅ ｈｅｌｐ ｈｉｓｔｏｒｙｅｘｐｅｒｉｅｎｃｅ．Ｆｏｒ ｔｈｅａｒｅａｓｗｈｉｃｈｒｕｌｅｓｃａｎｎｏｔ ｇｏｔｐｒｅｓｅｎｔ ｏｒｈａｖｅｎｏ ｒｕｌｅｓ，ＣＢＲ ｃａｎ ａｃｈｉｅｖｅ ｇｏｏｄ ｒｅｓｕｌｔ． Ｉｎ ｔｈｅｓｉｓ，ｗｅｉｎｔｒｏｄｕｃｅｓｏｍｅｗｏｒｋｗｅｈａｖｅｄｏｎｅ ＣＢＲｃｏｎｓｉｓｔｓｏｆｆｏｕｒ ｐｈａｓｅｓ：ＣａｓｅＲｅｔｒｉｅｖｅ，ＣａｓｅＲｅｕｓｅ，Ｃａｓｅ ＲｅｖｉｓｅａｎｄＣａｓｅ Ｒｅｔａｉｎ．Ｗｅｃｏｍｂｉｎｅｔｈｅ ｓｔｕｄｙ ｗｏｒｋｏｆＣＢＲ、ｉｔｌｌｔｈｅ ｒｅａｌｉｚｉｎｇ ｏｆｏｕｒ ｓｙｓｔｅｍ．Ｗｅ ｓｔｕｄｙ ｔｈｅｍｅｔｈｏｄｏｆＣａｓｅＲｅｖｉｓｅａｎｄＣａｓｅ Ｒｅｔａｉｎ（ａｌｓｏ ｎａｍｅｄ ＣＢＭ）ｉｎｔｏ Ｏｆｆｌｉｎｅ－Ｌｅａｒｎｉｎｇｐｒｏｃｅｄｕｒｅ，ａｎｄｗｅ ｓｔｕｄｙ ｔｈｅｍｅｔｈｏｄｏｆＣａｓｅＲｅｔｒｉｅｖｅａｎｄＣａｓｅ Ｒｅｕｓｅｉｎｔｏｔｈｅ ｐｒｏｃｅｓｓ ｏｆＯｎｌｉｎｅ―Ｒｅｃｏｍｍｅｎｄ ｐｒｏｃｅｄｕｒｅ． Ｆｉｒｓｔｌｙｗｅ ｉｎｔｒｏｄｕｃｅ ｃｌｕｓｔｅｒｉｎｇ ｉｎｔｏｓｔａｎｄａｒｄ ｋ－ｄ ｔｒｅｅ，ｓｏ ｗｅｃａｎ ｇｒｏｕｐ ｔｈｅｃａｓｅ ｂａｓｅｉｎｔｏａｔｗｏ．１ｅｖｅｌｓｔｒｕｃｔｕｒｅ．ｏｎｅｉｓｔｈｅｂａｓｅｏｆ ｃｌｕｓｔｅｒｉｎｇｃｅｎｔｅｒａｎｄ ｔｈｅｏｔｈｅｒｉｓｔｈｅ ｂａｓｅｏｆｃｌａｓｓ．ＷｊｎａｎｌｅｉｔａｓＡｄｖａｎｃｅｄｋ．ｄ Ｔｒｅｅ．Ｓｅｃｏｎｄｌｙｗｅ ｃｏｍｂｉｎｅ ｄｉｖｅｒｓｉｔｙ ｓｉｍｉｌａｒｉｔｙｉｎｔｈｅ ｐｈａｓｅ ｏｆＣａｓｅＲｅｕｓｅ．Ｓｏｗｅｃａｌｌ ｋｅｅｐ ｓｉｍｉｌａｒｉｔｙｗｉｔｈｔｈｅｄｅｓｉｒｅｄ ｉｎｑｕｉｒｙ ａｎｄｍａｋｅｔｈｅ ｏｕｔｐｕｔ ｃａｓｅｓ ｄｉｖｅｒｓｉｆｙ．ＴｈｉｒｄｌｙＷｅ姆ｔｏ ｓｅａｒｃｈｔｈｅ ｋｎｏｗｌｅｄｇｅ ａｂｏｕｔｒｅｖｉｓｅｆｒｏｍｃａｓｅｂａｓｅ ｉｎｔｈｅ ｐｈａｓｅ ｏｆＣａｓｅＲｅｖｉｓｅ．Ｗｅｓｅａｒｃｈｔｈｅｃａｓｅ ｐａｉｒｓ ｈａｖｅｔｈｅｓ锄ｅｄｉｆｆｅｒｅｎｔｖａｌｕｅ ｏｆｔｈｅ Ｓ锄ｔｌｅ ｆｅａｔｕｒｅ．ｓｏ ｗｅｃａｎｓｕｂｓｔｉｔｕｔｅ ｓｕｂ―ｓｏｌｕｔｉｏｎ．ＦｉｎａｌｌｙＷｉｕｓｅｃｏｎｆｌｉｃｔ ｇｒａｐｈ ｄｉｓｐｌａｙｔｈｅｒｅｌａｔｉｏｎｂｅｔｗｅｅｎｃａｓｅｓｉｎ ｐｈａｓｅｏｆＣＢＭ．Ｓｏｗｅｃａｎａｕｔｏｔｈｅ ｐｒｏｃｅｓｓ ｏｆＣａｓｅＢａｓｅＭａｉｎｔａｉｎ． Ａｔ ｌａｓｔ，ｗｅ ｓｕｍｍａｒｉｚｅｔｈｅｗｈｏｌｅｔｈｅｓｉｓ’ｓｓｅａｒｃｈａｎｄ ｐｒｏｓｐｅｃｔｓ ｔｈｅｆｕｔｕｒｅｉｎｔｈｅｓｅ ｆｉｅｌｄｓ． Ｋｅｙ ｗｏｒｄｓ：ＣＢＲ ＣａｓｅＲｅｔｒｉｅｖｅ ＣａｓｅＲｅｕｓｅＣａｓｅＲｅｖｉｓｅ ＣａｓｅＲｅｔａｉｎ 中国科学技术大学硕士学位论文１．１ ＣＢＲ概述 第一章绪 １９８９年，Ｒｉｅｓｂｅｃｋ＆Ｓｃｈａｎｋ给出了ＣＢＲ的明确定义：“ＣＢＲ是基于过去求解类似问题的经验获得当前问题求解结果的一种推理模式（Ａｃａｓｅ－ｂａｓｅｄｒｅａｓｏｎｅｒ ｓｏｌｖｅｓｎｅｗ ｐｒｏｂｌｅｍｓｂｙａｄａｐｔｉｎｇ ｓｏｌｕｔｉｏｎｓｔｈａｔｗｅｒｅｕｓｅｄｔｏｓｏｌｖｅｏｌｄ ｐｒｏｂｌｅｍｓ）”［Ｒｉｅｓｂｅｃｋ＆Ｓｃｈａｎｋ，８９］。这个问题真得很难回答谁强谁弱，只能说各有特点吧，只是现在杜兰特拿到聪冠军，伦纳德还在为总冠军奋斗。詹姆斯被认为当之无愧的联盟第一人，但是他的优势不大了，无论是杜兰特还是伦纳德，他们都已经接近詹姆斯，在刚刚公布了2K18的小前锋球员能力值方面，三个人都超过了95，詹姆斯是97，杜兰特96，伦纳德95，他们的实力都常接近。伦纳德身高2.01米，体重104公斤，2011年的第15顺位新秀，差一点跌出乐透区。杜兰特则不一样，他是天之骄子，2007年的榜眼，天赋当时被认为仅次于奥登，由于奥登有伤没有打出来，杜兰特是那届新秀最好的球员，他身高2.06米体重109公斤。伦纳德裸足其实只有1.98米，但是臂展防抓取，学路网提供内容。在ＣＢＲ中，我们把当前所面临的问题 描述称为目标查询，而把记忆中的问题描述――解决方案对称为源事例。A:最常见的理论是睡觉过程中人体应当头朝北，脚冲南，和地球磁力线方向一致。因为，如果人的睡眠方向与地球磁力线方向垂直，地球磁场就会影响人体生物电流。人体为达到新的平衡状态，就必须消耗大量热能来提高代谢防抓取，学路网提供内容。粗略地 说，基于事例推理就是由目标查询的要求而获得记忆中的源事例，并由源事例的 解决方案来指导目标问题求解的一种策略。不是每一次住上“新房”都是要再买一套。可能是住了几年十几年的老房改造一下，也可能是资金短缺买了的二手房改造一下。很多案例都在证明着，改造的好的老房，也是真真真真真真真真真真真真真真的好看又舒适！改造案防抓取，学路网提供内容。在日常生活中，人们为了解决一个新问题，先是从记忆中找到一个与新问题 相类似的事例，然后把该事例中的有关信息复用到新问题的求解过程中。手切土豆丝和擦出来的土豆丝最大的不同，在于土豆丝的切面不一样。手切土豆丝的切面整齐，土豆受力均匀，水分和淀粉淀粉流失比较少，最大程度地保持了土豆的原味。而擦出来的土豆丝，由于擦口不规则以及土豆在擦制过防抓取，学路网提供内容。以医生 看病为例，他对某个病人做了检查之后，会想到以前看过病人的情况，并从中找 出几个重要症状上相似的病人，参考他们的诊断和治疗方案，来救治当前病人。这个要看个人审美了(*ü*)我觉得一般小朋友和新入教的都觉得小蝶漂亮，因为长睫毛＋柔顺的粉毛＋害羞真的是老少通吃啊~一开始入教就被她萌到了(?BB?)应该还有人觉得暮光漂亮，因为是主角，还有一头紫长防抓取，学路网提供内容。在基于事例的推理过程中，最初由于目标查询的某些（或某个）特殊性质使 我们能够想到记忆中的源事例问题描述的特征，但它是粗糙的，且不一定是正确 的。现在的手机都是可以设置主题和壁纸，如果你想换主题或者字体直接在vivo商店就可以实现。vivo的手机里面还是有很多主题和字体可以选择的，不需要你下载第三方软件，有的主题直接就包括字体了，有非常多的选项防抓取，学路网提供内容。在最初的检索结束后，我们须证实两者之间的相似性，这要求我们进一步检 索两个相似体的更多细节，探索它们之间的更进一步的相似和差异。近热播的《剃刀边缘》，可以说给了咱炒鸡多的惊喜，里面的演员说实话脸熟的几乎很少。一开始以为这部戏肯定是要靠着文章、马伊P支撑，但是越看越知道文章和马伊P敢选这部戏还是有原因的，因为导演制片副导演选角看防抓取，学路网提供内容。在这一阶段， 事实上，我们进行了相似求解的工作，只是这种求解结果是不完整的。现在移动支付非常普及了，在大城市出门就带一个手机就能满足日常的消费，给我们的生活带来了很多的方便。可是有时候我们也要急需现金，发现没有带银行卡，钱也在支付宝、微信的余额里，没办法取现。虽然手机银行能无防抓取，学路网提供内容。这个过程 结束后，获得的输出事例集已经按与目标事例的相似程度进行了优先级排序。作为一个学财会专业的人，我表示，首先想的是交了税我还剩多少钱，哈哈，开个玩笑啦。我是真的有思考过这个问题的呢。1.回报家人。因为我而劳累了大半辈子的家人，是我心底最柔软的部分。如果物质允许，我首先做的防抓取，学路网提供内容。接 下来，我们需从输出事例集中选择最优的一个源事例，建立其与目标查询之问的 的对应关系。不知不觉间，朋友圈早已从一个普普通通记录、分享生活的地方，变成了一个许多亲朋好友间“争奇斗艳”般炫耀自己的生活、相互攀比的“舞台”了。的确，许多人听到同龄人、或是同一个圈子里的朋友过得更好时，会感到一防抓取，学路网提供内容。下一步，我们利用源事例的完整（或部分）解决方案，从而获得目 标查询的完整（或局部）解决方案。有的，拖延症在绝大多数情况下，产生的后果都是坏处。偶尔也会有好处：1、不太重要的事情有时会消失别人有可能把它做掉。如果有件事情本该是你做，但你就是耗着不干，坐等别人等得不耐烦了，然后把它做掉。说一个八防抓取，学路网提供内容。若目标查询得到解答，则输出解决方案，结 束推理过程：若解决方案不能完全解决目标查询要求，我们则对事例进行修补， 修改后的解决方案应能最大程度满足目标查询要求和一定的阈值要求。不清楚这位女生当时是怎么想？推测一下这位女生的行为，大概这位女生是怕被别人笑话。如果是这样的话，这位女生虽然展现了自己的坚强，比遗弃强一些，但还是缺乏一种面对人生的一种勇气。现在的孩子，生活条件的改善防抓取，学路网提供内容。整个推理 过程是递增地进行的。谢谢邀请．第一个户型，大门正对着卫生间的洗漱台，建议把洗漱台改成储物柜之类的更好一些．那样的话，公共卫生间的面积，则更小了．使用起来不方便．次卧室床头一侧靠近电梯，睡觉时可能会略有影响．餐厅里的餐桌摆防抓取，学路网提供内容。Ａａｍｏｄｔ和Ｐｌａｚａ用四个ＲＥ来描述ＣＢＲ的典型流程‘１１： １．检索最相似事例（ＲＥＴＲＩＥＶＥ ｔｈｅｍｏｓｔｓｉｍｉｌａｒ ｃａｓｅ（ｓ））。女孩体香主要来自于雌性激素，也就是荷尔蒙爱美的女孩都是雌性激素分泌旺盛的。雌性激素分泌正常时，女性会保持特有的美丽，拥有健康的人生。雌性激素让女性的皮肤柔嫩、细致，皮下水分丰富，且不易秃头，使头发秀长防抓取，学路网提供内容。２．复用事例解决问题（ＲＥＵＳＥ ｃａｓｅ（Ｓ）ｔｏａｔｔｅｍｐｔｔｏｓｏｌｖｅｔｈｅ ｐｒｏｂｌｅｍ） 中国科学技术大学硕士学位论文 ３．修正解决方案（ＲＥＶＩＳＥ ｐｒｏｐｏｓｅｄｓｏｌｕｔｉｏｎｉｆ ｎｅｃｅｓｓａｒｙ）： ４．保留新解决方案作为新事例一部分（ＲＥＴＡＩＮｔｈｅｎｅｗｓｏｌｕｔｉｏｎａｓａ ｐａｒｔ ａｎｅｗｃａｓｅ）。62年1角属于第三套人民币里面的。目前收藏价值也不错，但具体价格要看品相以及冠号、水印等因素的。从你发的图片来看，你这张一角的品相属于中品，而从背面的颜色来看，也属于三版一角里的普通品种。目前公认比较有价值的是1962年背绿水印1角纸币。它的背面为绿色，且有水印的钞纸，于日发行，由于背面颜色与之前投入使用的贰角券颜色相似，流通中不便识别，故于1967年12月开始只收不付，提前收回防抓取，学路网提供内容。图１给出了基于事例推理的一般过程。既然题主是女孩子，那小主就按照颜值来推荐了。小主会为你推荐凯迪拉克ATS-L，因为小主觉得凯迪拉克的钻石切割设计应该挺招女孩子喜欢的，在加上凯迪拉克ATS-L在进口版本凯迪拉克ATS基础上，凯迪拉克A防抓取，学路网提供内容。ＣＢＲ流程【摘自Ａａｍｏｄｔ＆Ｐｌａｚａ１９９４】ＣＢＲ一出现就引起了人们广泛的兴趣，知识工程之父Ｆｅｉｇｅｎｂａｕｍ认为：“几 乎所有的问题都是面向事例的，ＣＢＲ是一种前景非常好的方法”１９］。简单而言，离合就是一种连接装置，能起到分离或者联合“发动机与变速箱之间“的作用，请关注：容济点火器离合器安装在发动机曲轴和变速器之间，它的作用是使发动机与变速器能够平稳接合，将动力传到变速器。摩托车在防抓取，学路网提供内容。１９９５年１０ 月在葡萄牙召开了第一届ＣＢＲ国际会议。幼儿园老师辛苦拍照上传到班群。作为家长出于礼貌最好要对老师在群里说一声感谢。并且最好带着孩子，一起打开手机，看看班群里老师发上来的照片。让孩子感受到老师的辛苦和工作的繁琐。并且最好带着孩子一起说声谢谢防抓取，学路网提供内容。在此之前，已经召开过四次研讨会， 并分别形成了１２８：ｉ２Ｓ２：１２２１塑１２２３生殴过论塞塞脚。还是比较中意华为，小米的营销动作真的越来越花哨了。两者的商业模式不一样，一个追求硬件利润，一个做价格厚道感动人心的产品，追求用户数量，靠互联网思维赚钱，本质上都是赚钱为目的。但是区别是小米手机一直定位防抓取，学路网提供内容。近年来，有关该主题 的国际性会议更是以每年一次的频率在欧洲和亚洲轮流举行。一般情况下，狗狗在喂食后半个钟内都会大便，如果狗狗一天喂食两到三次，那么它便便的次数就是两到三次为正常。如果狗狗三天都没有拉便便，那么毫无疑问狗狗便秘了，一般便秘是由于肠管运动障碍和分泌紊乱，肠内容物防抓取，学路网提供内容。借鉴于心理学对人类利用经验解决问题的研究，在规划、法律、医学、争端 调解以及智能教学等领域，基于事例推理获得了相当的成功。“饱暖思淫欲”这句古话的后面，其实还跟着一句话，叫“饥寒起盗心”。历史无数次证明了这个结论，譬如我们看是谁三妻四妾，声色犬马？无非是富人。再看是谁聚众起义？无非是一群饭都吃不上的贫户。六十年代的时候，防抓取，学路网提供内容。近年来，ＣＢＲ在 电子商务、面向过程知识处理、软计算及创新系统等领域也表现不俗。作为一个爱好美妆的段子手，介绍了很多底妆产品，所以今天还是决定来介绍一下现在很多人都喜欢的气垫，虽然七七比较喜欢隔离+粉底，但是气垫补妆比较方便，而且也方便携带，那么今天我们就来看看气垫产品究竟有哪些防抓取，学路网提供内容。在这些研 究工作的基础上已经开发了许多系统，有些已走向实用。谢谢邀请。说实话，很多来找我做咨询的女性朋友，在提到公婆不给带孩子的问题上，火气很大。她们也知道孩子是自己生的，需要自己亲力亲为养育。公婆确实没有养育孙子的义务。但是，人都是有情绪的。现实生活，也是有防抓取，学路网提供内容。如烹调领域，Ｒｉｅｓｂｅｃｋ 在１９８９年就推出了一个基于事例的规划设计程序ＣＨＥＦ，它能根据不同菜对配 料和品味的特殊要求，检索源事例库中的菜谱，修改并创建新的菜谱；另，美国 海军研究实验室（Ｕ．Ｓ．ＮａｖａｌＲｅｓｅａｒｃｈ Ｌａｂｏｒａｔｏｒｙ）基于ＣＢＲ理论开发的一个应 用系统现用于ＭＫ４１垂直发射系统的维护１。闪充其实就是快充，只是叫法不同而已。常见的快充分为很多方案，比较有代表性的就是OPPO和一加采用的闪充、高通平台的QC快充以及联发科平台的PE快充。闪充之所以出名，和OPPO的洗脑式营销不无关系，“充电五分钟、通话两小时”这句话可谓是传遍了中国的大街小巷，不管是不是OPPO用户，听到这句广告词肯定都能想的到OPPO。从技术上来说，闪充确实和高通以及联发科的方案不太一样，VOOC闪充技术采用低电压高防抓取，学路网提供内容。中国科学技术大学硕士学位论文１．２ ＣＢＲ与ＲＢＲ的比较 基于规则的推理ＲＢＲ（Ｒｕｌｅ―Ｂａｓｅｄ Ｒｅａｓｏｎｉｎｇ）是人工智能发展过程中比较成 熟的一种推理模式，但在其发展过程中，也逐渐表现出了明显的缺点［１３】： １．知识获取上的困难：知识库中的规则是在原始资料基础上总结提炼出来的， 而对于新问题，不一定能提取规则，同时已提取的规则也不一定适用，规则 的获取已成为制约其发展的瓶颈问题【３５１。“我用布带在地上摆了一个圈，猫看到立刻站了进去。我开始读秒，它竟然保持站立姿势几分钟，就是不停的摇尾巴。”　　“我怀疑这个圈对猫来说，有一种神奇的魔力。”　　“那天我在摇呼啦圈。休息的时候，把呼啦圈仍在地上。猫立刻跑过来躺在圈里，然后恶狠狠地盯着我。那种表情，似乎是在埋怨我为什么这么久才把圈圈还给它。”“猫体内有一种基因，对圆圈天生放松。它们认为自己可以蜷在里边，有一种安全感。”　　但事实证明，不防抓取，学路网提供内容。２．知识爆炸问题：随着求解问题复杂性的增加，需要加入的规则越来越多，导 致知识库不断膨胀，可能出现知识爆炸。蒜蓉辣酱，蒜香浓郁，辣味清新，家里常做来用着炒菜，拌面吃。我家做蒜蓉辣酱，用的是新鲜的朝天椒，方法简单，做出来的很香辣可口。食材：新鲜朝天椒，花椒，大蒜，芝麻香油，酱油，白糖，米酒。做法：1、把朝天椒防抓取，学路网提供内容。３．缺乏记忆：一方面系统对相同的问题进行等薰推理得到相同的解，另一方面 系统在失败推理过程中犯同样的错误。美国：狂吠3声即是扰民1.美国有三部涉犬法律，在美国的居民区内、犬吠超过三声，狗主人就要受到相关法律的惩罚，这就是著名的“三吠”原则。三部涉及狗的法律为：《恶犬法》、《妨碍公共利益法》和《联邦动物保护防抓取，学路网提供内容。总而言之，系统缺乏成功或失败经验 的记忆。这张图是在2015年亚洲杯之后被P出来的，当时中国队出人意料地小组赛三连胜，仅在淘汰赛中遗憾输给了后来的东道主冠军澳大利亚。险胜沙特和乌兹别克斯坦的国足让人看到了朝气和希望。然而两年过去了，国足还在为防抓取，学路网提供内容。４．应用领域有局限性：适用于理论知识规范、严谨的强知识领域，对于看重经 验性的领域显得力不从心。第五名：性玩具市场这是一个集神秘、隐讳、诱惑于一身的行业。多年来，它给人的第一印象，是街头巷尾“成人用品”、“两性保健”字样的招牌。逼仄狭窄的店面、性感裸露的海报、深夜街角的红灯，都给这个行业打下了“防抓取，学路网提供内容。基于事例推理中知识表示是以事例为基础，事例的获取比规则获取要容易， 大大简化了知识获取。对过去的求解结果进行复用，而不是再次从头推导，可以 提高对新问题的求解效率。过去求解成功或失败的经历可以指导当前求解时该怎 样走向成功或失败，这样可以改善问题求解的质量。对于那些目前没有或根本不 存在可以通过计算推导来解决的问题，如在法律中的判例，基于事例推理能很好 地发挥作用。正是由于ＲＢＲ发展过程中暴露的缺点和局限性，出现了基于事例的推理模式 ＣＢＲ。与ＲＢＲ相比较，首先，ＣＢＲ系统模拟人类思维模式，它不仅依赖于领域 内的专家知识，而更看重具体的历史经验，建立起问题描述与解决方案之间的抽 象对应关系，它更多地倾向于描述解决问题的经验而不是抽象出解决问题的规 则，因而采用ＣＢＲ技术解决了ＲＢＲ系统中知识获取瓶颈问题；其次，ＣＢＲ系 统具有较好的扩充性，随着事例的积累，系统的求解能力也不断提高，而不是出 现知识爆炸现象：最后，ＣＢＲ系统比ＲＢＲ系统速度更快，这是因为：大规模的 ＲＢＲ系统，由于符合条件的规则数目太多，规则的检索和冲突消解将消耗大量 时间，同时每次求解都是一个从头开始推理的过程，而在ＣＢＲ系统中，一般只 需要根据索引从事例库中检索出相似的事例并作一定的修补即可得到问题的解 决方案。中国科学技术大学硕士学位论文 同时，在一个ＣＢＲ系统中，知识库的建立是一个递增的过程，它能有效地克 服ＲＢＲ对知识完整性的要求。ＣＢＲ系统可从一个不完整的事例库开始工作，并 根据提交的问题描述――解决方案对来累积经验，新产生的事例构成了有意义的 知识片段可用于将来的推理。当然，在开始工作时，由于事例库是不完整的，提 交的有些目标查询可能不能被有效识别――因为相关的事例在库中可能不存在。然而，新产生的事例却可用于学习且被系统用于后续问题的求解。能将新事例集 成到库中的功能使一个ＣＢＲ系统在那些不能预测所有可能出现问题的场所尤其 实用。１．３课题来源与研究现状 本课题是中国科学技术大学电子科学与技术系图形自动输入与图象识别实 验室智能超媒体导餐系统研究的延伸和深入。硕士研究生杨劲和王荟曾就智能超 媒体导餐系统做了大量的研究，他们的研究工作主要集中在：超媒体的研究和设 计；基于语义网络模型和Ｐｅｔｒｉ网络模型知识库的建立和智能推理的实现；推理 过程中冲突消解算法的设计。王荟更在ＰＣ５８６机器上，用Ｄｅｌｐｈｉ语言设计了一 个基于Ｐｅｔｒｉ网的导餐演示系统，系统模拟了用餐顾客在饭店点菜的过程，具备 了基本的智能性，并有友好的多媒体界面１１４１【”】。在研究过程中，我们也发现系统存在着一些值得进一步深入研究的方面，这 主要表现在系统的智能化水平有一定的局限性，缺少一个专家知识库和规则自动 输入和生成的开发学习平台，从而使系统针对不同场合，都有一个从无到有的建 立过程，缺少了系统应用推广应具备的扩充性和适应性，这其实也是一个基于规 则推理系统的通病。有鉴于此，结合当前人工智能的发展趋势，我们在吸收保留 师兄研究成果的基础上提出了基于ＣＢＲ的智能超媒体导餐系统的研究，在保留 超媒体框架的同时，将研究重点集中在ＣＢＲ上，以期获得一个表现优异的智能 推理机。同时，从现有文献的查阅结果来看，将ＣＢＲ理论应用到餐馆领域是有先例的。Ｙａｌｅ大学的ＫｒｉｓｔｉａｎＨａｍｍｏｎｄ曾在博士生研究阶段设计了一个ＣＨＥＦ系统，其 应用领域就是中国烹调。在ＣＨＥＦ系统中，Ｈａｍｍｏｎｄ定义了质地和口味两个特征， 并建立了一个菜谱库。在检索阶段，对相关菜谱作基于表面特征的相似性比较， 并输出最佳相似菜谱；此时，输出的菜谱往往不能完全满足目标查询的需求，ＣＨＥＦ 就求助于领域专家知识分析不匹配的原因并进行相关修补操作。Ｈａｍｍｏｎｄ在设计 ＣＨＥＦ系统中提出的一些思想至今仍深刻地影响着ＣＢＲ系统的设计和研究。此外， Ｅｎｔｒｅｅ也是一个应用在餐馆领域的ＣＢＲ系统。中国科学技术太学硕士学位论文 １．４论文主要研究内容 为了掇索热褥在ＣＢＲ及其应瘸疆究方瑟攀入薪黥愚想，本文黄蓬考虑了ＣＢＲ 流程四个阶段与系统功能实现的密切关系，尝试在ＣＢＲ研究过程中实现系统功 能，反之以系统提供的数据比较分析我｛ｆｊ研究算法的效莱。下面是我们的主娶研究内容： 事铡检索算法的磷究。事饲检索要求我粥检索翻与嚣糠查谗最翊织豹源事例，它是ＣＢＲ系统的中心环节，梭索速度和精度关系着蹩个系统的质 量。从分析传统的基于数据瘁、ＩＤ３决策树和ｋ－ｄ树的事例检索算法出 库组织成聚龠中心库和类库二级层次结构，提出了基于改进的ｋ－ｄ树事例检索算法。该算法有助于提高事镪检索的性能开稍跑。满足用户的需求，我们采用了复合相似性和多样性的尺度，力求同时满足输出事例岛目标查询的相似性和输出事例相互之间多样性的簧求。该 事例修补算法的研究。相似事镶与舀标惫询要求往镪存在一些蓑剐，茈孵就要求我｛ｌ、】对输出事铡进纾修蛰。我优研究了一种基于事铡特征的自 动修补方法，它从事例库中检索具有相同特征差异的事例对，并对输出 攀例侔相应的取代操律。该方法摒彝鬣瓣，簌汪存在秘事锈数撬中搜索 修补知识，是与ＣＢＲ思想相一致的，实验结果验诞了它的优越性。爨，保障事例检索的效攀。我们借浆了前人定义的描述事例之间相互关系的属性，程其基础上应用圈论知谈，研究了冲突圈自动建立和最大独 立图求解雾法。安验表疆，农成功建立了最大独立黧戆困黠，我们获碍 了消除了事例间冲突的商品质的事例库。中国科举技米太学硕士学位论文第二章事例检索方法的研究 ２．１事例检索背景知识 嚣溺熬攀锲拨索方法嘉最近邻法、梦蔓纳法秘知识导弓｜法１２１。最邋邻法终一个 事例的特征矢量视为高维空间中的一个点，在这些点上建立一个特殊的最近邻焱 我结构，使得对予给出一个的闯蹶描述（也建空闻中静～个煮），程空闯中能邋 速找剿与之取褥最佳题配的点。常见的近邻索引结构有ｋ－Ｄ树等：归纳索弓ｌ法根 据事例特征矢量在不同维上所提供信息的差异，将事例库组织成一棵决策树的形 式。常采嗣ＩＤ３筹法来褐建决策树，羯缡索弓｜法髓够自动分税事镄，确定选择攀 例的凝佳特征，并将事例库组织成分层结构，从而大大减少了检索时间。但应当 注意剐：为了建立一个有意义的归纳索弓ｌ机制，必须有足够的典型事傍ｊ，而且姻 识导引法悬利用有关事例的知识来鉴别事例中特征的重骚性，并利用这些启发信息来引导稔索过程。导引知识可戳包括领域舔理、特征之间靛鬻果关系等。显然， 妇果相应豹知识津豢竞冬，那么纂手知识豹导引法霹以缳涯事例库缎织续构的相 对稳定，使之不随新事例的增加而急剧变化。但要获得这些知识，并在ＣＢＲ系 统率适当镳使用这些知识帮是菲鬻匿难静。翔识譬辱｜法鹃实矮是在ＣＢＲ豹研究 中复合了ＲＢＲ。近邻法和纂于ＩＤ３决策树的归纳法分别作了实验分析，并在传统的ｋ－ｄ树算法中引入聚类思想，设计了自已的改进ｋ－ｄ树算法。攀例检索目标是输出事例库中与目标查询最相似的事例。Ｂｅｒｇｍａａｎ等人研 究了相似住在ＣＢＲ中的经典角色，指出，稻似往不同予相葡毪，它是一个不能 很好用语义学寒定义的一个基本概念，人｛ｆ］往往给出的是相似性尺度的～个直觉 定义，如能有相似性的精确语义概念，其作用将更显著，更使得研究者的重视。Ｂｅｒｇｍａｎｎ同时指出，久｛｝ｊ遥常试闺淤～耪公式蠡鼋形式来表述稻秧往尺度。参考 这些，我们将事例之闯的捆似性解释为事例各个特征分量之间相似性的加权求 ～个事铡ｃ用各个特征分量毯组成鲍特征向量纸矗…＾＞ｒ来描述，一表示特征期量维数；各个特缝囱羹构成整个攀铡摩的特诬囱罴矩阵魄】。。，其中， １０ 中国科学技术大学硕士学位论文 ｍ表示事例库规模。特征分量有两种类型取值：以数值度量的特征量和以符号值度量的特征量。事例之间的相似性是各个特征分量之间相似性的加权求和。假定ｃ。和Ｃ２两个事例，其中特征分量五在ｃ．取值＾、在ｃ：中取值，２Ｊ，则＾，和 ＾，根据类型不同，其相似性度量相异。数值型特征分量相似性度量定义当一取值于区域［ａ，６】，则可定义＾和厶相似性为 。ｉｍ（ｆ，，，厶．）：ｌ一卫牟二型 （公式１） Ｄ一口 ｉｉ． 符号型特征分量相似性度量定义 当Ｚ取值于集合扫。，珊：，…，吼）中，则可定义石．和厶，相似性为 ｓｉｍｆＡ，，，２，）＝｛Ｏ；ｆｕ，麓 （公式２） 显然，两类特征分量相似性取值于】区间。进一步，我们引出 ｉｉｉ． 事例相似性度量公式 ＳＩＭ（ｃｃ：）＝！窆ｓｉｍ（ｆ。…Ａ）ｎ 其中，ｎ是特征向量的维数，显然两事例相似性亦取值于【ｏ，１１区间。（公式３） 事例检索的目标是输出事例库中与目标查询相似性最大的事例，即使公式３ 取值最大。中国科学按术大学硕士学位论文２。２传统事例梭索算法 ２。２．１基手ＳＱＬ的事饲梭索 姥绞熬ＣＢＲ系统选用商业数据库髂为事例疼存贮的介质，事例检索采用数 据库提供的结构化查询语言ＳＱＬ来完成。最典型的如早期基予ＤＢＡＳＥ的ＣＨＥＦ 系统［Ｈａｍｍｏｎｄ，８６］、帮近期基予ＳＹＢＡＳＥ鹣分毒技事穰痒。经稍共目瓣特点楚 用特征空间结构来映射事例库结枣句：一个特，谯分量对应一个字段，一个事例对成 一条记录。从精确ＳＱＬ查询到模糊ＳＱＬ查询都属于这一范畴。１。精确ＳＱＬ查询 程问题描述过程中，我们获得待求解问题特锻向量Ｏ。，ｖ。…ｖ。）ｒ，谶～步构 造类似于“Ｓｅｌｅｃｔ＋ｆｒｏｍｔａｂｌｅｎａｍｅｗｈｅｒｅ（＾＝ｖ１ａｎｄ＾。ｖ２ａｎｄ…ａｎｄ＾＝ｖ。）” 的ＳＱＬ语句，其中，ｔａｂｌｅｎａｍｅ是存贮事例的表名，＾、，２、．、＾是各个特征 分量对应的字段名。照然这一ＳＱＬ语句遍历整个攀例熙，并输出与该特征向赣完全匹配的事例。由公式３知，输出事例与待解问题相似性为ＳｌＭ（ｃｌ，ｃ：）＝１，达到最大值。精确ＳＱＬ稔索时间复杂度为《ｍ），ｍ是攀倒席兢横大夸。精确ＳＱＬ要求我们的事例麾足够完备，以满足提出的任意一个目标查询在 事倒库中郝存在～个精确菠配的肇例，这在实际中往往是不能满足的，由此，入 销零ｌ羯模凝器酝（Ｆｕｚｚｙ－Ｍａｔｃｈｉｎｇ）懿概念，发震了摸甥ＳＱＬ查询。２．模糊ＳＱＬ查询 模糊淼谗要求我镁针对嚣赞誉同类型的特征分耋作相应的预处理。膨于辫菇鬻静荭筑蠢由公式ｌ霹戮羲澄，分式分子取馕越冬，两特征薰糖 ｛蛙度越高，奶暴对特征分：基作分段量化处理，可提高豫者模糊匹配概率。现假设在公式Ｉ中，有ｂ―ａ＝１００―０；１００，ｌ矗一，２．目８８―８３１＝５，翔 中国科学技术大学硕士学位论文 一（，ｌ。＾）＝ｌ一击＝ｏ娜，显然不能精确匹配；但，如取段数为１０作均匀分段处 理，则处理后特征分量值分别为：＾Ｉ＝［等］＝ｓ、一，＝［罟］＝ｓ，此时－有 “ｍ（＾，一，）＝ｌ一啬＝ｌ，我们认为模糊化后的两特征分量是匹配的。彤于符号型稃在）争Ｉ巴符号型特征分量在语义上往往是有层次的，如菜谱的 “菜系”可分为“中餐”、“西餐”。“中餐”可进一步分为“京菜”、“川菜”等八 大类别；“西餐”可分为“欧陆菜”、“美国菜”等六大类别。我们定义：“菜系” 为０层；“中餐”、“西餐”为Ｉ层；“京菜”、…、“欧陆菜”、…等为２层ｅ 现在假设两个事例有特征分量“菜系”，值分别为“京菜”、“川菜”，我们由 公式２可知这两个特征分量相似度为０，两者不能精确匹配；但若回溯到第１层， 显然两者均属于“中樱”，此时，相似度变为１，我们认为两者是匹配的。综上分析，模糊ｓＱＬ是在精确ＳＱＬ基础上针对不同类型的特征分量分别作 了分段或回溯处理，弱化了匹配条件，从而降低了对事例库完备性的要求，比前 者适应性更广，提高了事例检索的成功率。模糊ＳＱＬ时间复杂度为ｏ（ｍ），ｒ，ｌ是事例库规模大小。由于存在特征向量模糊 化处理过程，实际检索速度低于精确ＳＱＬ。２．２．２基于标准ｋ－ｄ树算法的事例检索 ｋ－ｄ树将事例的特征向量视作高维空间的点，在这些点上建立一个最近邻检 索结构。游历ｋ－ｄ树即可找到与待解问题描述相匹配的点――对应事例库中的一 个事例。１．ｋ－ｄ树定义 ｋ－ｄ树来源于二叉检索树ＢＳＴ（Ｂｉｎａｒｙ ＳｅａｒｃｈＴｒｅｅ），ＢＳＴ是满足下面条件的 二叉树： ‘二叉检索树的任何一个节点，设其值为Ｋ，则该节点左子树的任意一 个节点的值都小于Ｋ；该节点右子树的任意一个节点的值都大于或等于Ｋ”。由定义我们可以看出，ＢＳＴ可作为关于一个关键码的识别器（“关键码”可 看作一个特征分量），进一步我们引入可处理多维关键码的ｋ－ｄ树ａ 中国科学技术大学硕士学位论文 ｋ．ｄ树是一种空间结构，ｋ表示空间的维数，ｄ表示识别器，定义为ｄ：ｉｍｏｄ 其中ｄ取值０。１一，ｋ一１，每一个ｄ对应一个关键码，记为关键码ｄ。随着ｋ－ｄ树层次深入，识别器在关键码０至ｋ一１之间交替。对于第ｉ层上一个节点Ｎ，ｉ是节 点Ｎ的第（ｆｍｏｄｔ）个关键码的值，小于Ｎ．的节点在节点Ｎ的左子树；否则在节点Ｎ 的右子树。图２是一个四维特征空间ｂ，Ｙ，ｚ，，）上的ｋ－ｄ树。其中维数ｋ＝４，有四个关键码 ｘ、Ｙ、ｚ、ｆ分别对应关键码０、１、２、３。其中，Ｂ和ｃ节点是与其父节点（根节点Ａ）的第一维变量４０比较决定了它们的左右位置；Ｄ节点是与其父节点Ｃ的第二维变量１０比较决定其左右位置： Ｅ与Ｆ节点是与其父节点Ｄ的第三维变量ｌ比较决定其左右位置；其余类推。２．ｋ－ｄ树与事例检索 由一个完备的事例库我们可以建立一个ｋ－ｄ树：特征向量维数对应ｋ－ｄ树维 数ｋ，各个特征分量值对应于ｋ－ｄ树各层的识别器，事例库中事例个数对应于ｋ－ｄ 树节点数（含根节点、中间节点和叶节点）。求解问题时，由ｋ－ｄ树根节点出发，交替使用特征分量值作为识别器游历ｋ－ｄ 树，并比较待解问题与游历节点相似性，当两者满足一定阈值条件时，我们输出 ｋ－ｄ树中当前节点对应的事例，完成检索任务。ＢＳＴ是经典数据结构，已有成熟的算法【１６ｌ，在ＢＳＴ算法的基础上，进一步 可构造出 １４ 中国科学技术大学硕士学位论文 基于ｋ－ｄ树的事例检索算法―― 若大于等于ｖａｌ值．递归搜索右子树，比较事例相似性使用公式３，针对不同的应用由经验确定不同的闽值。ｋ－ｄ树时间复杂度为ｏ（１０９ｍ），ｍ是事例库规模。２．３基于ＩＤ３决策树算法 标准的ｋ－ｄ树算法将线性的事例库组织成为一种树状检索结构，另一种类似 的方法是使用归纳学习法，将事例库组织成一个ＩＤ３决策树，其检索过程也是一 个由树的根节点沿某一分支搜索的过程。ＩＤ３学习算法采用分治策略，在决策树的递归构造过程中，在树的节点上利 用特征的信息增益大小作为分枝属性选择的启发式函数，选择信息增益最大的特 征（即熵最小的特征）作为分枝属性。算法关键是信息熵的计算，一般借鉴信息 论中Ｓｈａｎｎｏｎ公式， Ｈ（ｘ）＝一只ｌｏｇＰ （公式４） 其中，Ｐ表示随机变量ｚ在状态ｉ的概率，随机变量ｘ共有ｎ个状态。对于一个有类别标记的样本集，有 ＩＤ３决策树生成算法一 １．当前树根节点置空 ２．对各个特征计算对应的熵 ３．选择璃最小的特征作为翔决树的当裁分枝属性 ４．重复２至３步．继续此过程直至辑有类中Ｒ有一个类瓢．终止算法 生成ＩＤ３决策树后，事例检索即是一个在决策树上游历的过程，其算法的时 中国科学技术大学硕士学位论文 间复杂度为ｏ（１０９ｍ），ｍ是事例库规模。在实验中，我们验证了基于ＩＤ３决策树和基于标准ｋ－ｄ树的事例检索算法都 在很大程度上提高了事例检索的速度。同时，我们发现，将两者作比较，前者速 度略低，且事例检索精度表现出一定的不确定性。仔细分析后，我们认为：由于ＩＤ３决策树生成过程中存在着熵信息的计算， 所以带来了算法速度的下降；由于ＩＤ３决策树是一个在已知样本库样本类别情况 进行的一种有教师的学习，其精度与样本库中样本数目和样本的选择密切相关， 所以带来了事例检索精度的不确定性。２．４基于改进ｋ．ｄ树的事例算法检索 使用归纳决策理论暴露了事例检索结果具有不确定性的缺点，同时，在研究 基于标准ｋ－ｄ树的事例检索算法过程中，我们也遇到了两个问题：相对于同一个 检索要求，往往有多个事例精确匹配或等距离匹配：事例检索时由根节点开始游 历，当满足阈值要求时即作为结果输出，但阈值的选择是往往由经验确定，具有 一定的随机性，从而导致输出事例可能不是与目标查询相似性最大的事例。针对这两个问题，我们一方面通过对特征量作归一化处理去除特征空间中冗 余信息，另一方面我们在提出的改进ｋ－ｄ树事例检索算法中引入了聚类概念（采 用ｃ．均值聚类算法），以一个聚合中心代表一类事例，从而将原始事例库分割成 为聚合中心库和类库：前者由各个聚合中心构成，聚合中心是某一类的代表事例； 后者包括属于同一类的各个事例，一个类库对应于一个聚合中心。在改进的ｋ－ｄ树事例检索算法中，我们在聚合中心库上构造ｋ－ｄ树，树中每 个节点对应于一个聚合中心；同时我们将标准ｋ－ｄ树中节点存贮结构扩展为一个 链表，链表结构如下， Ｓｔｒｕｃｔ ｎｏｄｅｌｉｎｋ｛ ｒｅｐｒｅｓｅｎｔｃａｓｅｎａｍｅ：Ｓｔｒｉｎｇ ｆｅａｔｕｒｅ：ａｒｒａｙ［Ｏ．．ｎ１ｏｆｍｒ； ｓｉｂｌｉｎｇｌｅｆｔｒｉｇｈｔ：Ｐｏｉｎｔｅｒ． 其中，ｒｅｐｒｅｓｅｎｔｃａｓｅｎａｍｅ是聚合中心名称；ｆｅａｔｕｒｅ是聚合中心量化后的特征ｉ６ 中国科学技术大学硕士学位论文 向量；ｓｉｂｌｉｎｇ指向类库，存贮同一类事例；ｌｅｆｔ和ｒｉｇｈｔ分别指向左予树和右子树。基于改进ｋ＿ｄ树的事例检索算法―― １．空，返回ＮＵＬＬ．退出： ３．搜索当裁类痒．输出ｓ待解问题相似性最大的事锄：４．退出： ５．计算当前甚关键羁值ｖａｌ： 若大于等于ｖａｌ值。递归搜索右子树，比较事例相似性使用公式３，针对不同应用由经验确定不同的阈值。改进ｋ－ｄ树时间复杂度为ｏ（１ｌｏｇｍ’），ｍ’是聚合中心库规模，，是类内事例数。算法的第３步比较类库中各个事例与问题描述相似性大小，并输出与待解问 题相似性最大的事例，解决了本节开始提出的第二个问题。在作相似性比较时， 我们采用了计算最近匹配的一个典型公式【摘自认知系统 ＲｅＭｉｎｄ（Ｋｏｌｏｄｎｅｒ［９３］）］ｔ３０１，如公式５所示 ＳｌＭ（ｑ，屯）＝：。Ｈｓｉｒｅ（ｆ＇ｚ８）／：．ｗ （公式５） 其中是一个特征的权重，ｓｉｍ是相似函数，厂，和，一分别是求解问题和检索 到事例的特征值。前面公式３可看作Ｋｏｌｏｄｎｅｒ公式在所有特征量权重均等于１ 时的特例。我们系统使用修改的最近邻相似度量，其中邻近状态是指那些在定义 的特征空间每一维上等距离的点（即某一给定半径内实际观察到的状态）。基于数据库技术的事例检索算法是通过提交ＳＱＬ语句由数据库完成事例的 匹配，等价于各个特征量被赋予了相同的权重，显然不能实现Ｋｏｌｏｄｎｅｒ提出的 匹配算法。与标准的ｋ－ｄ树相比较，改进的ｋ－ｄ树使用聚合中心库降低了树的规模，但 算法的第３步进行的相似性比较却降低了算法效率，可见事例检索精度的提高是 以牺牲一定的检索速度为代价的。１７ 中国科学技术大学硕士学位论文 ２．５对比实验分析 我们使用“应用矩阵数”（Ｎｏ．ｏｆｍｅｔｒｉｃ ａｐｐｌｉｃａｔｉｏｎｓ）来衡量上述四种算法速 度性能参数，应用矩阵数对应于参与相似性比较的事例数目。假设事例库规模为ｍ，事例特征向量维数为”，待解问题数为七，四种算法 速度性能如表１所示， 算法 应用矩阵数 （Ｎｏ．ｏｆｍｅｔｒｉｃ ａｐｐｌｉｃａｔｉｏｎｓ） ＳＱＬ ＩＤ３决策树 ｋ－ｄ树 （，ｌｏｇｍ’）表中所’为聚合中心库规模，远远小于事例库的规模，，是类内事例数。由表中可以看出基于ＳＱＬ技术的事例检索算法参与相似性比较的事例数显 然远远超过了后三种算法，所以我们的实验主要验证后三种算法的速度性能。实验中，我们建立了一个完备事例库，对应参数取值分别为：ｍ＝５００，行＝７ （其中，３个为数值型特征量：就餐人数、金额、制作用时；４个为符号型特征 量：就餐时间、口味、禁忌、菜系，ｋ分别等于ｌ、５、１０，ｍ’＝５０，我们采用 ｌｅａｖｅ―ｏｎｅ．ｏｕｔ方法测试算法用时，实验结果取数学平均值，见图３。进一步，我们基于同一事例库对算法作了检索精度测试，测试结果见图４。１００焉８０ 鸯苫６０ 呈罩４０ １０Ｃａｓｅｓ Ｒｅｑｕｉｒｅｄ 图３算法检索速度比较 １００ ８０ ６０ ４０ ２０ １０Ｃａｓｅｓ Ｒｅｑｕｉｒｅｄ 图４算法检索精度比较 ｈｑ日ｊｕｕ《铀ｈ，《 中雷科学技术文学硕士学位论文 安验缝浆表骥了改进ｂｄ糖算法在事锲检索速度土遥选传统数ＩＤ３决策瓣， 低于标准ｋ－ｄ树，但其检索精度远远超过了ＩＤ３决策树和标准ｋ－ｄ树，且生成的 类库Ｗ以送一步作为聪续事例修补的物质基础，觚这点上说，敬逶ｋ－ｄ挺算法豹 性能冀＝销比是四葶中算法中最为理想的。零壤检索是ＣＢＲ系统豹褪纽。事铡修斡怒在事例检索输出懿与蠲题捺述摇钕事例集（对应我们提出的类库）上的修补；事例自学习怒检索基本事例库学习生 成完备事例库的过程。基于改进ｋ－ｄ树的事例检索算法为事例修补乃至整个ＣＢＲ 系统瓣建立奠定了坚实裹效豹兹矮基础。中国科学技术大学硕士学位论文第三章事例复用方法的研究 ３．１事例复用背景知识 检索到的源事例中包含有历史问题的解决方案，把得到的解决方案应用到当 前目标事例或新问题的求解过程中，就是事例复用。在复用时，我们需了解源事例与目标查询之间有哪些不同，源事例中哪些部 分可以复用。对于简单的分类问题，我们只需要把源事例的分类结果直接应用到 目标事例，我们无需考虑两者之间的差别，因为实际上事例检索过程已经完成了 这项工作；而对于问题求解之类的问题，则需要根据它们之间的不同对待复用的 解决方案进行修改。从复用的信息内容来看，主要有两种类型：结果的复用和方法的复用。对于 前者来说，当源事例的解决方案需要修改时，它依据一些转换操作知识，把源事 例中的种种可能解转换为目标事例中相应的解；而方法的复用则关心源事例中的 问题是如何求解的，而不是关心其解决方案，源事例中带有求解方法的信息，如 操作算子的使用、子目标的考虑、成功或失败的搜索路径等，复用时需使用这些 信息作重新例化工作，从而得到目标问题的解决方案。我们首先介绍一下传统的类比学习过程，一般分为类比映射过程和类比转换 过程【２１。要使源事例的解决方案能应用到目标事例上，一个前提条件是，必须在源事 例和目标事例的各元素之间建立起一致的一一对应关系，并决定哪些是可映射到 目标事例中。在类比学习过程中，有根据语义相似性和根据结构相似性两类映射。如果目 标查询要求是显式给出的，而且，在库中有与其相似的源事例，我们当然要选择 那些与目标特征相关的问题描述进行映射；在源事例部分可用，且目标查询要求 不明确时，我们选择那些相似的结构进行映射，这里，相似的结构是指对应的问 题描述是相似的，一个结构是否可映射，要看其中的问题描述在目标查询中是否 能够找到。在建立起源事例与目标事例个体间的一一对应，并且已知相似性关系后，我 中国科学技术大学硕士学位论文 们就可以进行类比转换了。转换的目的是要把源事例的全部（或部分）解决方案 转换成对目标事例可用的解决方案，并有可能对转换的解决方案进行修改。在简单情况下，我们只需进行两项工作：将源事例的描述转换成与之相似的 目标事例的描述，把中间状态从源事例中复制到目标事例中即可；相应地，将源 事例的个体转换成目标事例中的与其有一一对应关系的个体。经过上述复制操 作，便可以得到目标事例的一个完整的（或部分的）解决方案。然而，有时在目标事例和源事例之间，虽然目标特征以及一些其它的描述是 相似的，但某个关键的描述却是不同的，或是目标事例中不确定的部分。在这些 情况下，源事例的解决方案对于目标事例来说可能是完全不可用的，也可能需要 经过某种变换后才是可用的。若源事例和目标事例中出现相互矛盾的关键性的问 题描述，则显然源事例的解决方案对目标事例是不可用的，这种情况下我们应在 作类比映射前的检索阶段就应该把它排除了：对于后一种情况，我们可以把影响 解决方案转换的那个（或那些）部分作为目标事例的子目标加以求解。不管使用 什么求解策略，只要子目标求解成功，我们就可以再次尝试把源事例的解决方案 转换到目标事例中去。事例复用过程实质上是传统的类比学习中的类比映射过程，类比转换过程则 对应于ＣＢＲ流程中的事例修补阶段。３．２传统事例复用方法 如上所述，事例复用实质上是传统的类比学习中类比映射的过程，有根据语 义相似性和根据结构相似性两类映射。在类比学习领域，Ｈａｒａｇｕｃｈｉ和Ａｒｉｋａｗａ试图寻找一种能在源事例和目标事例 之间达到“部分同一性”的方法。但这一方法由于需要大量的重复证明过程，故 而效率不高［Ｈａｒａｇｕｃｈｉ１９８６】。有时，源事例和目标事例中不仅没有明确的问题描述，而且结构特性也是不 那么明显的，因而我们无法从目标特征开始寻找一致性匹配。针对这种情况， Ｇｅｎｔｎｅｒ提出了“结构映射理论”【Ｇｃｎｔｃｒ１９８３】。他建议在映射过程中使用“系统 化原理”，即使用一种相互影响的可映射系统谓词，从而比孤立的谓词更有可能 被映射到目标（领域）中。Ｆａｌｋｅｒｔｈａｉｎｅｒ利用结构映射理论开发了结构映射机ＳＭＥ， 使用它可以找到最大一致的匹配［Ｆａｌｋｅｎｈａｉｎｃｒ １９８９１，但其算法极复杂。２ｌ 中国科学技术大学硕士学位论文 Ｋｅａｎｅ提出“解产生理论”强调了目标／子目标和对象的作用［Ｋｃａｎｅ，１９８８１。解产生包括三个阶段：首先要找到同目标领域相似或有关的全部对象；在第二阶 段，把关系从源领域转换到目标领域。它依据两个准则，准则之一是转换涉及关 键对象的关系。如果这个关系相对于当前的目标／子目标是有效的，则可以依据 第二准则――这个关系同其它关系连接起来的因果关系确定了其它潜在有效的 关系，当由因果关系连接的另一关系是有效的时，把该因果关系连同它连接的另 一关系也转换过来。依据上述准则可以递归地找到一个有效关系的集合；第三阶 段是目标／子目标评价，即评价转换的关系相对于当前的目标，子目标来说是否有 效的。上述二、三阶段反复迭代，直到或有助于问题的求解。然而，转换的自动化实现却是相当困难的，有研究者提出采用方法目标分析 法进行解的转换，其方法的研究还有待进一步的探索。同时，类比映射的有效性问题也是类比求解中最难的问题之一，它考察的是 经过类比映射后，目标事例的解是否正确；另一方面，由于整个类比求解过程也 极难做到形式化，从形式上证明求解的有效性也是不切实际的。最后，类比学习不同于归纳学习，归纳学习有一些确凿的事实作为依据，而 类比学习的最重要的基础却是建立在相似性关系上的。要使类比有效性得到完全 充分的证明，最直观的途径便是在目标领域中，要么能够找到足够多的确凿的事 实去支持类比学习所形成的假设，要么运用演绎的方法加以证明。如果不采取这 种途径，则有一种折衷的考虑。我们首先应该保证类比过程的每一步都能尽量切 实可靠。在进行映射及后续的转换过程中，我们不仅进行源事例描述的映射和转 换，而且，也要进行因果关系和确定关系等这些推理链的映射。其关键是要保证 相似性关系的正确性。这些都决定了类比学习是一个复杂的一种推理学习方式，为了简化算法的复 杂性，在ＣＢＲ系统中，最常见的事例复用方法是直接应用事例检索阶段输出事 例的解决方案，它是一个基于事例表面特征相似性进行类比映射的过程。我们在 传统的相似性尺度的基础上，进一步研究了复合相似性和多样性尺度的事例复用 算法。３．３基于复合相似性与多样性的事例复用 事例检索输出多个与目标查询相似的事例，并按与目标查询相似的程度对输本田在东京车展上的cbr超轻跑量产需多久会不会引进国内多少级别的250RR那个16年的么那个车貌似国内不会引进因为有个CBR250R跟CBR300了音频wma格式中的编码质量有恒定比特率(CBR)和基于质量的V...主要优点是可以让整首歌的音质都能大致达到我们的品质要求.VBR与传统的CBR编码的MP3不同,传统的CBR(ConstentsBitRate)就是静态比特率,CBR约定死了MP3的采样率...路基填料CBR值是什么并采用高质量标准碎石的承载能力为标准,以相对值的百分数表示CBR值。这种方法后来也用于评定土基的强度。2、CBR表征路基土、粒料、稳定土强度的一种指标。即标准...}