一种基于SVM的P2P网络流量分类方法

提出一种基于SVM的P2P网络流量分类的方法。这种方法利用网络流量的统计特征和基于统计理论的SVM方法,对不同应用类型的P2P网络流量进行分类研究。主要对文件共享中的BitTorrent,流媒体中的PPLive,网络电话中的Skype,即时通讯中的MSN 4种P2P网络流量进行分类研究。介绍了基于SVM的P2P流量分类的整体框架,描述了流量样本的获取及处理方法,并对分类器的构建及实验结果进行了介绍。实验结果验证了提出方法的有效性,平均分类精确率为92.38%。     

大规模3D并行分层可扩展矩阵乘法的递阶优化方法

为进一步提高大规模平台上可扩展矩阵乘法的并行计算效率,提出一种并行分层可扩展矩阵乘法的递阶优化方法。首先,在可扩展矩阵乘法算法(SMM)算法枢轴行和枢轴列通信研究基础上,利用分层方式在更高等级上对网格进行矩形群划分,实现矩阵乘法的二维计算向三维计算转变,并设计对应的集群内通信和集群间通信过程,实现SMM乘法的递阶并行优化(HSMM);其次,对所提HSMM算法进行理论分析,分情况对其通信成本进行分析和预测,推导出最佳计算成本的集群数选取方式;最后,通过在Grid5000和BlueGene/P测试平台实验,验证了所提算法有效性和理论分析的正确性。     

结合词向量和聚类算法的新闻评论话题演进分析

话题演进分析主要是挖掘话题内容随着时间流的演进情况。话题的内容可用关键词来表示。利用word2vec对75万篇新闻和微博文本进行训练,得到词向量模型。将文本流处理后输入模型,获得时间序列下所有词汇的词向量,利用K-means对词向量进行聚类,从而实现话题关键词的抽取。实验对比了基于PLSA和LDA主题模型下的话题抽取效果,发现本文的话题分析效果优于主题模型的方法。同时,采集足够大量、内容足够丰富的语料,可训练得到泛化能力比较强的模型,有利于实时话题演进分析研究工作。     

基于二元搭配词的微博情感特征选择

分析和监测微博文本中所包含的情感信息,能够挖掘用户行为,为微博舆情监管提供借鉴。但微博文本具有长度较短、不规范、存在大量变形词和新词等特点,仅以情感词为特征对微博进行分类的方法准确率较低,难以满足实际使用。为此,基于微博语料构建二元搭配词库,并根据PMI-IR算法结合语料库统计信息,提出搭配词组情感权值的计算方法PMI-IR-P。结合情感词典,采用统计方法生成微博情感特征向量,利用机器学习中的C4.5算法构建分类模型,对微博文本进行情感倾向分类。分别使用不同的数据集用于构建搭配词库及分类模型,并与基于情感词典的分类方法以及朴素贝叶斯分类方法进行对比。实验结果表明,提出的情感特征通过运用C4.5算法对微博文本情感分类的准确率达到87%,具有较好的效果。     

中文文本情感词典构建方法

互联网海量文本的情感分析是当前的一个研究热点。介绍了一种中文文本情感词典构建方法,该方法选用若干个情感种子词,利用搜索引擎返回的共现数,通过改进的PMI（pointwise mutual information）算法计算情感词的情感权值。将构建的情感词典应用到文本情感分类实验中,在不同的语料环境下,对比基于情感词典和朴素贝叶斯分类器下的文本情感分类效果,实验结果表明,构建的情感词典,可有效用于情感特征选择和直接用于情感分类,并且分类性能稳定。     

一种新型PID决策模糊控制器设计与实现

文章通过对已有的PID和模糊控制方法的对比和研究，设计并实现了一种用于程序升温／恒温／降温的新型模糊PID控制器。实验验证，该方法对于复杂条件下的高级温度控制表现出了优秀的性能。     

一种核模糊分类器的规则生成方法

提出一种基于核函数的模糊分类器的模糊规则产生方法.首先借鉴支持向量机(SVM)的思想,选用适当的核函数,将初始的样本空间映射为高维的特征空间,使得样本在高维特征空间的分布比在原来空间的分布简单可分.然后,用一种动态聚类方法,在高维特征空间将同一类的训练样本分成簇,求出该簇的支持向量,对于每簇建立一个模糊规则,隶属函数采用超椭圆体函数.最后,利用遗传算法对规则进行优化调整.用两个典型的数据集来评测本文所提方法构成的分类器,结果表明这种分类器学习时间短,分类精度较高,分类速度较快.     

一种快速的图像区域分割算法

提出一种新的快速图像区域分割算法.这种方法首先抽取图像所有像素点的颜色、纹理与位置特征,并将图像划分成子块,以子块内像素点特征的平均值作为子块的特征向量,然后运用Mean shift算法进行聚类,获得聚类簇数和初始蔟中心,最后再利用改进的K均值算法进行聚类,实现图像的快速分割.实验结果表明新方法不仅分割速度快,而且得到的分割结果稳定,避免了过度分割.     

热重分析仪上位机软件设计与实现

介绍热重分析仪上位机软件的设计与实现，重点介绍软件设计总体框架、主要模块的功能以及主要的数据结构，提供部分实现代码，同时介绍了开发的平台。     

有上下文感知能力的智能教室系统设计与实现

目前,有许多教育专家采取很多措施来提高教学效率,而应用先进技术是一条切实可行的方法。通过利用多agent、语义Web、推理和用于安全和隐私的声明性规则等技术,参考早期的普遍深入的计算系统,开发了一个新的智能教室系统模型。该模型使用本体Web语言——OWL来实现知识共享和上下文推理,使用逻辑推理来检测和解决上下文知识的不一致问题,并向老师和学生提供一种策略语言来控制他们的私人信息。ICS将完全改变传统的教学方法并为未来的教学工作提供更多的便利。