摘 要 该文提出了一种新的图像阈值分割算法。该算法通过求取最大模糊熵准则下，灰度均值直方图的最佳模糊划分 参数来确定两个模糊集 和 ，图像分割阈值即选取为两个模糊集的交点。该算法用 的模糊熵定义适应度函数， . / 01234 采用改进的遗传算法寻求最佳模糊参数。该文对遗传算法的改进包括，给出了缩短染色体码长的编码方法和性能良好的 改进的单点交叉算子和均匀变异算子。实验结果表明，该算法的分割效果与二维模糊熵算法接近，而计算时间还没有用 到二维模糊熵算法的一半。

评测数据在去掉停用词的 分类过程开放测试中,引入Good-Turing算法的分类性能比Laplace原则提高了3·05 ,比Lidstone方法提高 1·00 .而在交叉熵选择特征词的算法中,增加Good-Turing的贝叶斯分类方法可比最大熵分类性能高95 .通过这种数据平滑的算法,有助于克服因数据稀疏而引发的特征词缺失问题 -Evaluation data in the open test of the classification process to remove stop

为了提高深度模型的编码重构性能,本文为传统对比散度(Contrastive divergence,CD)添加了基于交叉熵的重构误差约束。利用改进后的算法训练了重构性深度自编码机(Reconstructive deep au-to-encoder,RDAE),并用 RDAE 替换混合激励线性预测编码(Mixed excitation linear prediction, MELP)语音编码器中 LSF 参数的矢量量化方法。测试结果表明,改进后的算法在损失一定模型似然度的条件下获得了重构性能的提升,