1)  N-gram model
N-gram 模型
2)  n-gram model
n-gram模型
1.
This paper reviewed existing smoothing methods for N-gram model firstly,and implemented the Absolute,W-B and Katz smoothing algorithms respectively.
试验结果表明:新的Katz平滑算法降低了N-gram模型的交叉熵,在汉语分词中应用改进的平滑算法也提高了分词结果的F量度。
2.
We re-examine three classifiers: Bayes based on N-gram model classifier(NGBayes),Naive Bayes classifier(NBayes) and k-Nearest Neighbor classifier(kNN),which almost have the same performance in traditional text classification field.
本文是在噪音环境下文本分类方法的一种探索:把在传统文本分类中性能基本相当的基于N-gram模型的贝叶斯(NGBayes)、基于分词的朴素贝叶斯(NBayes)和基于分词的k近邻(kNN)分类方法应用到网页分类领域,在中文Web信息检索论坛提供的中文网页分类训练集——CCT2002-v1。
3.
This paper presents a new method for segmenting the input Chinese language text sentence into words, which consists of a character-based N-gram model and an efficient Viterbi search algorithm.
该文提出了一种将汉语文本句子切分成词的新方法,这种方法以N-gram模型为基础,并结合有效的Viterbi搜索算法来实现汉语句子的切词。
3)  n-gram language model
n-gram语言模型
1.
An automatic Chinese text categorization method based on n-gram language model and chain augmented na?ve Bayesian classifier is proposed.
本文提出了一个基于n-gram语言模型进行文本表示,采用链状朴素贝叶斯分类器进行分类的中文文本分类系统。
4)  N-gram model based on context
基于前后文的n-gram模型
5)  N-gram
N-gram
1.
A Comparative Study of Word-Segment and N-Gram Categorization System;
基于分词和基于N-Gram的网页分类系统比较研究
2.
A Method Combined N-gram Based to Filter the Chinese Spam;
一种基于N-gram组合的中文垃圾邮件过滤方法
3.
Statistical N-gram Method Used in Machine Translation System;
N-gram统计模型在机器翻译系统中的应用
6)  n_gram
n_gram
参考词条
补充资料:AutoCad 教你绘制三爪卡盘模型,借用四视图来建模型
小弟写教程纯粹表达的是建模思路,供初学者参考.任何物体的建摸都需要思路,只有思路多,模型也就水到渠成.ok废话就不说了.建议使用1024X768分辨率

开始
先看下最终效果




第一步,如图所示将窗口分为四个视图




第二步,依次选择每个窗口,在分别输入各自己的视图




第三步,建立ucs重新建立世界坐标体系,捕捉三点来确定各自的ucs如图




第四步,初步大致建立基本模型.可以在主视图建立两个不同的圆,在用ext拉升,在用差集运算.如图:




第五步:关键一步,在此的我思路是.先画出卡爪的基本投影,在把他进行面域,在进行拉升高度分别是10,20,30曾t形状.如图:




第六步:画出螺栓的初步形状.如图




第七步:利用ext拉升圆,在拉升内六边形.注意拉升六边行时方向与拉升圆的方向是相反的.
之后在利用差集运算





第八步:将所得内螺栓模型分别复制到卡爪上,在利用三个视图调到与卡爪的中心对称.效果如图红色的是螺栓,最后是差集




第九步:阵列




第10步.模型就完成了




来一张利用矢量处理的图片


说明:补充资料仅用于学习参考,请勿用于其它任何用途。