一种基于情感特征的短文本分类方法

With the emergence of a large amount of short texts, using short text classification technology to mine a large amount of effective information in short text has become a hot topic of research. For the feature selection method in the current classification process, which only considers the word frequency, and the short text is short in length and sparse keywords, the paper proposes a short text classification method based on emotional features, combined with TF-IDF, the weight of the feature words is modified with the 〖JP2〗sentiment dictionary, which can effectively improve the weight of the feature words with distinguishing ability, and avoid the problem of low accuracy caused by traditional methods which do not consider emotion but only word frequency. Using the Chinese corpus of teacher Tan Songbo for short text classification, through comparative experiments, the effectiveness of the method is verified.     

结合语义的特征权重计算方法研究

为进一步改善目前大多数基于向量空间模型(VSM)的文本聚类算法的效果,研究了文本聚类的基础和关键环节--文本间相似度的计算,其中一个重要步骤就是计算各文本中特征词的权重,该计算的合理性和有效性直接影响到文本相似度的准确性和聚类的效果.传统的VSM特征权重计算方法-TF-IDF,没有考虑语义相似的词语在文本集中的分布情况,针对该问题,在基于"知网"的词语语义相似度分析基础上,提出了一种改进的TF-IDF权重计算方法.实验结果表明,该算法是有效可行的,且在一定程度上提高了文本聚类的查准率和查全率.     

基于分块主色调和纹理特征的彩色图像检索

提出一种基于分块主色调和纹理特征的彩色图像检索方法。该方法首先提取占彩色图像比重较大的前几种主色调,根据主色调将图像划分为不同分块,并以主色调作为各分块图像的颜色特征。然后,采用灰度共生矩阵算法,提取各分块的纹理特征。综合考虑各分块图像的颜色特征和纹理特征,从图像数据库中检索相似图像。实验结果表明,该方法具有较高的检索效率。     

基于改进的TGSOM图像分割算法研究

针对MRI图像的噪声较多、传统的SOFM必须预置参数、训练过程中网络结构固化、不能灵活调整及多小波需要进行预滤波等问题,为提高去噪效果,提出了一种基于改进的TGSOM的图像分割算法BTSOFM.在改进TGSOM基本模型的基础上,使用平衡多小波对MRI图像进行去噪处理,再用改进的TGSOM算法对小波系数金字塔进行逐层聚类,最后得到分割结果.仿真实验表明,算法不但加快了分割的速度,而且提高了聚类精确度,图像的可视化效果较好,分割效果得到明显改善.     

多因素影响特征选择的短文本分类方法

特征选择即是降维去噪的过程,一个词汇是否具有强的类别区分能力通过特征选择评价函数的权值大小来衡量,然而影响特征选择的因素有很多,主要包括特征的维度、重要性和语义;针对短文本信息量少导致特征表示高维稀疏和传统特征提取方法缺乏语义的问题,构建多因素融合的特征选择函数FS,和传统的特征选择函数TF-IDF对比,FS不仅融入了特征的语义性,而且能够去除大量冗余特征,提高具有类别区分能力特征的权重;把FS作为新的特征选择函数,使用搜狗实验室的中文语料库进行短文本分类实验,验证了方法有效性.     

基于模糊熵的改进型PCNN图像分割方法

针对传统的PCNN在图像分割中需要设定大量的参数,并且分割的最佳迭代次数无法自动确定等问题,简化了传统PCNN模型的接受部分,改进了PCNN的连接部分,改变了PCNN的阈值衰减方式,并利用最大模糊熵作为最佳分割迭代次数的判定准则,提出了一种新的PCNN改进模型,从而实现了PCNN的自动精确分割.对各类图像的实验结果表明,该方法能够自动确定循环迭代次数和自动选取最佳阈值,与基于最大香农熵的PCNN分割方法相比,该方法具有收敛速度快、分割精度高、分割效果好等特点.     

煤矿安全隐患信息自动分类方法

人工分类方式难以满足海量煤矿安全隐患信息的分类要求,而基于概率统计的文本自动分类方法分类准确率较低。针对上述问题,提出了一种基于Word2vec和卷积神经网络的煤矿安全隐患信息自动分类方法。首先对隐患信息进行分词、去停用词等预处理,然后应用Word2vec来表征词之间的语义相似性关系,最后利用卷积神经网络提取隐患信息的局部上下文高层特征,并使用Softmax分类器实现隐患信息的自动分类。实验结果表明,该方法实现了端到端的自动分类,可有效提升分类的准确性和全面性。     

基于体系结构模式的软件系统开发方法研究

描述了基于体系结构模式的软件系统开发方法的基本流程,设计了该方法支持环境的基本框架,对该方法中涉及的体系结构模式引用方式、模式指导下建立多层软件体系结构模型以及根据体系结构模型和构件库对系统进行组装等问题进行了讨论.最后以数据仓库系统开发例,介绍了该方法在软件系统开发中的实际应用.     

改良型氧化沟污泥膨胀原因的分析与控制

为了有效控制低负荷改良型氧化沟工艺的污泥膨胀现象,对该工艺的运行参数进行了系统的分析。结果表明,工艺发生污泥膨胀的主要原因是由于氧化沟循环廊道内的溶解氧浓度分级不明显。针对污泥膨胀原因及相关的膨胀机理,采用在循环廊道内加设插板来保证缺氧区、好氧区溶解氧浓度的合理分布。确定了试验装置的最佳运行条件为：好氧区溶解氧含量为1．5—2．0mg／L,缺氧区溶解氧含量小于0．5mg／L,污泥指数为120～150mL／g,污泥质量浓度为3．5-4．0g／L。     

基于本体的构件聚类研究

为了消除自然语言对构件文本信息描述的二义性以及增强术语间的语义关系,文中采用领域本体的思想,给出了一个基于人工智能领域本体的软件构件聚类模型和基于该模型的聚类算法。该模型通过分析领域的共同概念,形成领域本体知识库,提供领域内一致认可的术语,用于匹配对构件文本描述所使用的自然语言。给出的算法通过与基于传统空间向量的K—Means算法分析比较,验证了该算法是有效的,实现了对软件构件更合理的聚类,提高了构件检索的效率和准确性。