英语论文范文之二
重点关注写法(魏批)
我的看法：
1）结构清晰明确，层层递进，可读性高
2）理论清晰，以人的认知过程为指导，基于粒计算和形式概念分析，构造新的认知系统
3）最大的意义：对构建新的、更符合人类认知过程的认知系统的勇敢尝试。
4）定理丰富，证明简洁充分
5）清晰的逻辑思维，流畅的英文表达，丰富的理论论证，明确的算法示例
...
《人工智能形式概念分析系统》之一
书目：《人工智能形式概念分析系统》
作者：危辉
出版社：科学出版社
第一章 概念系统的重要性
立论：
自然语言理解，问题求解，网上信息处理，场景分类——————————————————>>>>>共性问题：
人的认知系统使用知识完成多种不同类型的智能任务，其核心是可外显和可陈述的知识体系，支撑这个体系的事概念系统。
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
人工智能中概念系统作用的体现：
场景理解————————————对比PLSA
#
人工智能的两种主要研究方法：
结构模拟：How we know
功能模拟：What we know
参考文献（Levine and Aparicio,1994）
#
本体(ontology):描述概念及概念之间关系的概念模型，通过概念之间的关系来描述概念的语义，是知识工程领域的一个新的研究方向。
不适用于领域开放的常识性问题求解，适合特定领域，定义明确规整的专业知识<<>>专家系统
心理学是怎么看的
认知心理学认为概念既是存在于人脑知识结构中的一种知识内容，又是主体所进行的一种认知加工过程。
知识表征方法：
局部表征(localist representation)VS分布式表征(distributed representation)
^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^
参考截图：
...
关于软件著作权更正的流程
更改登记表——————世纪楼1011填写用印申请表——1001院长签字————————————20校办盖章——————————EMS邮寄
...
JAVA中的循环结构
循环语句
循环语句主要分为for循环和while循环两种。for循环一般用在预先已经知道循环次数的情形（如要计算1+2+...+100的结果），而如果不能确定循环次数就需要使用while循环（如复制一个文件，但不知道文件的具体大小）。
简易for循环
for(参数初始化表达式; 条件表达式; 更新循环变量表达式)
{
//do something
}
for循环的括号中，用两个分号分隔出三个表达式
这三个表达式都是可选的，即是可以省略的。
第一个和第三个表达式可以是逗号表达式。
for (int i = 0, j = 0; i < 2; ++i, j = j + 2)
{
//do something
}
continue 和 break
continue的作用是结束本次循环。即跳出循环体中下面尚未执行的语句。
- 对于while循环，继续判断循环条件是否成立。
- 对于for循环，执行for语句头中第三个表达式，然后判断循环条件是否成立。
break语句的则是结束整个循环过程，不再判断执行循环的条件是否成立。
值得注意的是，这两个关键字的作用对象是本层循环，在多层循环中, break语句只向外跳一层，continue语句也只是提前结束本层本次循环。
多层嵌套循环中的break
package cn.xiaobaidonghui.test;
/**
* 这是关于循环里的break用法
* 通常情况下break用于跳出当前层循环。当遇到嵌套循环时，怎么样能跳出外层循环呢。
*
* @author baidonghui
*/
public class testBreak
{
public static void main(String[] args)
{
System.out.println(\"for1\");
for1();
System.out.println(\"for2\");
for2();
System.out.println(\"for3\");
for3();
}
/**
* 这是一个三层循环，每层循环变量为整数[0,3)，在最内侧循环中当k取值为1时，跳出最内层循环。
*/
public static void for1()
{
for(int i = 0; i < 3; i++)
...
有关大数据ppt部分内容
从文本数据到异构网络的构建
1， 从海量的文本数据中挖掘短语（最小语义单位）
2， 实体识别与类型
3， 关系提取
4， 异构信息网络的构建
为什么从海量的语料库中挖掘短语？
1单词是模糊不清的，但是短语是自然的，明确的语义单元
例如：“United”， vs. United States, United Airline, United Parcel Service
2挖掘语义有意义的短语
将文本数据从字粒度变换到短语粒度
利用信息网络增强处理未结构化数据的能力
3短语挖掘，大多数自然语言处理方法可能需要注释和训练
注释数百个文档作为训练数据
基于部分语音特征的训练模型
？限制：高标注成本
？可能不能扩展到特定领域的动态的，新兴的应用程序
？科学领域，查询日志，或者社会媒体，例如Yelp，推特
最少的/没有训练的但是能够充分利用大规模的语料库
短语挖掘策略
策略1：同时推断短语和主题
1二元局部模型，n元局部模型和短语发现主题模型
2高模型复杂度：倾向于高度拟合，推理成本高，慢
策略2：话题建模短语构造
标签的话题，Turbo话题和KERT
在同一个短语中的短语可能分为不同的主题
例如，knowledge discovery using least squares support vector machine
（基于最小二乘支持向量积的知识发现）
解决方案1：
首先短语挖掘然后话题建模（没有训练数据）
解决方案2：
短语挖掘和文档分割相结合（以最少的训练数据）
整体短语挖掘框架
1首先短语构建，然后主题挖掘
与KERT对比，首先主题建模，然后短语挖掘
2框架
a进行频繁的连续模式挖掘来提取候选短语和计数
b执行相邻元的凝聚合并作为评分的指导意义-这一段每一个文件变成一个包短语。
c最新形成的包短语作为PhraseLDA的输入，LDA的延伸，这限制了每一个分享相同的潜在主题的短语的所有单词。
什么样的短语是“高质量”
1. 判断短语的质量
通俗性
信息检索和跨语言的语言检索
2. 一致性
“powerful tea” vs. “strong tea”
“active learning” vs. “learning classification”
3. 忠实度
“this paper” (frequent but not discriminative, not informative)
4．完整性
“vector machine” vs. “support vector machine”
为什么需要短语分割
1. 短语分割可以告诉我们那一个词语是更合适的
提高短语分割
1. 再循环提高短语分割
2. 反馈
a. 利用整流频率，重新计算这些基于原始频率先前计算的特征。
3. 过程：用一小组标签或者用通用知识库远程训练进行分类。
分类—>短语分割 //SegPhrase
—>分类—>短语分割 //SegPhrase+
4. 计算质量分数的影响
实验：基于短语的相似性搜索
1. 响应用户的短语查询，SegPhrase+生成高质量的，语义上相似的短语
在多语言中挖掘高质量短语
至page23
以下来自大数据文摘
数据挖掘有哪些方法？
1. 分类：首先从数据中选出分好类的训练集，在该训练集上运用数据挖掘分类的技术，建立分类模型，对于没有分类的数据进行分类。
2. 聚类（Clustering）：就是将数据分组成多个类（Cluster）。在同一个类内对象之间具有较高的相似度，不同类之间的差别较大。
3. ...
一周工作时间安排记录情况
一周进展情况记录：
2015.9.10 —— 上午两节课，下午双选会，晚6:00-9:50 进行相机控制代码的编写和测试。
2015.9.11 —— 上午上课，下午1:00-9:00 ，实验室相机控制，整体结构已搭好，明天进行单个功能的添加和测试。
2015.9.12 —— 下午2.30-9:10,由于昨天对控件认识不清，导致今天进展很小，今天修改昨天构架，明天继续未完成的工作。
2015.9.13 —— 下午2:30-4:36矩阵分析；相机控制控件被加密，需要自己写一个EosCtrl控件才能在后期使用。
2015.9.14 —— 晚6：35-9：40，看有关大数据知识的文章，韩家炜ppt。
2015.9.15 —— 晚7-9，韩家炜ppt，page6-12,几乎没看懂。
2015.9.16 —— 晚7-9，继续韩家炜ppt。page6-18,查阅关于Active控件编写的相关资料。
2015.9.17 —— 晚7-9：15，韩家炜ppt,page19-23。
...
关于软件著作权错误登记信息的更正
软件著作权对信息的审查比较严格，应尽量避免错误。如果发生错误，应按以下流程处理：
1）已提交电子申报尚未寄送纸质材料的情况下，直接重新提交电子申报，继续申报流程即可。
2）对于已经审核的申请文件发生错误，如果错误在盖章页，需联系审查员重新开放权限，重新寄送登记材料。
3）注意：以下联系方式，可能无效
1>登记页中，我的登记栏目下，我要咨询栏目——长时间无人回复
2>网站联系电话无效，长时间无人接听
http://www.ccopyright.com.cn/cms/ArticleServlet?articleID=1544
4）可能有效的联系方式：
审查员：宋燕云 电话：010-64097552 email地址：songyanyun@ccopyright.com
（比较热心的审查员，查询信息需要流水号）
...
关联规则发现的铺垫：属性拓扑概念计算回顾
在形势概念分析中，最基本的概念计算应属于甘特尔在书籍第2章《概念格的确定与表示》中，提到的，利用不断求交的方式获取概念。但是，如何清晰简单的理解此种过程可以不重不漏的获得形势背景中的所有概念，概念的应用意义又是什么.
ps:不能添加图片，此处就引用一下吧，在2.1节《一个背景的所有概念开篇》
补充材料：
提及到章节的电子版：
http://yunpan.cn/cmCXbpmUzCU57 访问密码 8d98
...
舞蹈链 – Dancing links
偶然发现了舞蹈链(Dancing links)，也叫DLX算法，这是求解精确覆盖问题的一种高效算法。
这篇博客跳跃的舞者，舞蹈链（Dancing Links）算法——求解精确覆盖问题中，首先使用回溯方法举例解决经典的0-1矩阵精确覆盖问题。（DFFCS算法也是回溯法的一种，他们典型步骤的思路是一致的）。紧接着提出求解过程中存在大量的缓存和回溯，（不仅是DFFCS，如果只使用BDAT算法递归调用，也存在大量缓存问题），Dancing Links提出了一种交叉十字循环双向链的数据结构，（矩阵中每个元素横向和纵向都是循环双向链表结构），然后又引入了辅助元素（类似我们的属性和对象），求解过程中只是对指针操作，不需要额外的内存空间，而且指针操作效率很高。
...