表单的作用是非常重要的。比如获得 Web站点用户的信息，访问者可以在表单 对象中输入信息，然后提交这些信息。其 他的如在站点内加入搜索引擎等也必须利 用表单技术。本章重点内容是：文本域、 复选框、单选按钮、列表/菜单的使用。难 点内容是：制作发送电子邮件表单、制作 跳转菜单和在网页中加入搜索引擎等较为 高级的内容

大纲 序言: Internet及其信息资源 一、网络信息检索的常用技巧 二、网络信息检索的主要途径 三、关于搜索引擎的基本知识 四、常用搜索引擎介绍(实例)

内容提要 一、WWW信息服务相关概念 1、浏览器、超链接、网页、主页 2、超文本传输协议 3、标准资源定位器 4、超文本标记语言 二、浏览器的使用 三、信息搜索 1、使用逻辑词辅助查找 2、使用双引号进行精确查找 3、使用加减号限定查找

案例之四:从传统企业走向电子商务企业的eqo365 地址(D)htt:www.ego365.com/ (D)http: //www. ego365. com/index. asp.asp 转到 易购365www.e365.com 搜索会员注册B2B 购物车 点击进入高级搜索收银食养频道 用户登录 日期:2001-12-30顾客名称:访客您是第110048位访问者本站现有商品4347种订购热线84365 会员服务: 登录名 会员信息修改 密码 忘记密码 登录注册新用户本月热销商品

提出一种基于灰度信息和支持向量机的人眼检测方法.首先,利用人眼区域灰度变化比人脸其他部位灰度变化明显的特征,采用图像灰度二阶矩(方差)建立人眼方差滤波器,在固定人眼搜索区域内,应用人眼方差滤波器搜索候选人眼图像;然后,使用训练的支持向量机分类器精确检测人眼区域位置;最后,采用图像灰度信息率定位人眼中心(虹膜中心).该方法在BioID、FERET和IMM人脸数据库中的测试结果显示:没有佩戴眼镜人脸图像正确率分别为98.2%、97.8%和98.9%,406幅佩戴眼镜人脸图像正确率为94.9%;人眼中心定位正确率分别为90.5%、88.3%和96.1%.通过与目前方法比较,该方法获得较好的检测效果

针对人工鱼群算法(AFSA)存在收敛速度慢和寻优精度低等问题,本文提出了一种改进人工鱼群算法(IAFSA).该算法中的人工鱼能够根据鱼群当前状态调整自身的视野和步长来平衡局部搜索和全局搜索.此外,算法中还加入了引导行为,即人工鱼在觅食行为未发现更优的位置时,当前人工鱼向最优人工鱼移动一步.仿真结果表明,改进人工鱼群算法在收敛速度、寻优精度和克服局部极值等方面有很大优势.本文将改进鱼群算法应用时滞系统的辨识中,辨识结果表明改进算法能获取被控对象的精准数学模型,并具有较强的抗干扰能力

根据问题的实际情况不断寻找可利用的 知识,从而构造一条代价较少的推理路 线,使问题得到圆满解决的过程称为搜 索。搜索实用于:结构不良问题,无成 熟算法;或有算法,但问题复杂,如 博弈

1.模式搜索法 2. Powell算法 3.单纯形替换法

针对经典人工蜂群算法收敛速率较慢,后期易陷入局部最优解的不足,本文将粒子群算法中\全局最优\的思想引入到人工蜂群算法的改进过程,从而形成了一种新的人工蜂群改进算法——粒子蜂群算法.首先,提出了趋优度的概念,用来衡量引领蜂在有限次迭代过程中向全局最优解靠近或远离的程度,趋优度值可以评价个体的\发展潜力\,趋优度值越低的个体,越需要增大变异的程度,以便找到质量更优的解.其次,专门设计了一种新的蜜蜂群体——粒子蜂,在引领蜂变异阶段根据趋优度的大小将引领蜂变异为侦查蜂和粒子蜂,粒子蜂的出现在很大程度上增加了种群的多样性,拓展了算法的搜索范围.然后,通过粒子蜂群算法种群序列是一个有限齐次马尔科夫链和种群进化单调性的分析,验证了本文所提算法的种群序列依概率1收敛于全局最优解集.最后,将本文所提算法应用于多个常见测试函数,并与经典蜂群算法、近年其他文献改进蜂群算法进行了仿真对比研究,仿真结果表明本文所提算法确实加大了种群的分散度、扩宽了搜索范围,从而具有更快的收敛速度和更高的寻优精度

• 概念学习 – 给定某一类别的若干正例和反例，从中获得该类别 的一般定义。 • 搜索的观点 – 在预定义的假设空间中搜索假设，使其与训练样例 有最佳的拟合。 – 利用假设空间的偏序结构 • 算法收敛到正确假设的条件 • 归纳学习的本质，从训练数据中泛化的理由