基于SSk-means聚类指导的邮件SVM分类学习算法

邮件分类学习算法需要大量标注样本,人工标记工作费时费力.此外邮件内容因其表达方式上的特殊性,其特征空间一般是稀疏的,这种稀疏性会影响分类处理的效果.为了节省标记训练集的时间和精力,同时更好地处理稀疏的邮件数据,引入自适应选择最佳密度半径球形k-means聚类(SSk-means)算法,作为支持向量机(SVM)的前端处理,将训练集扩展后再送入SVM分类器.实验结果与性能比较表明,在训练集只有极少量标记邮件和一定量未标记邮件的情况下,该分类算法的性能较一般SVM有很大的提高.     

中文微博故事线生成方法

新浪微博、腾讯微博等微博平台已经成为国内重要的网络媒体。随着海量的实时信息在微博上分享和传播,为每个用户提供更多方便,展现一目了然的实事资讯的任务已经迫在眉睫。这就需要在微博中理出重大事件的发展进程。该文中,我们将利用最小权重支配集和有向斯坦纳树在给定查询的微博数据集上生成故事线。该文的工作由三部分组成:第一部分是在Lucene检索出来的结果集上构建多视点图;其次,通过在图中寻找最小权重支配集来选出具有代表性的微博;最后,通过求解有向斯坦纳树问题来平滑地连接这些已挑选的微博,形成故事线。在实际数据集上的实验验证了该文提出系统的高效性和有效性。
     

酱醪贝莱斯芽胞杆菌四甲基吡嗪高产菌的选育及其发酵优化

为获得四甲基吡嗪(TTMP)高产发酵菌株，以酱醪中筛选的贝莱斯芽胞杆菌CS1.11为出发菌株，进行紫外诱变，以酪素平板水解圈直径及乙偶姻显色反应为指标进行初筛，以蒸煮豆粕和焙炒小麦为原料固态发酵TTMP进行复筛，得到3株突变株。蛋白酶、淀粉酶活力及乙偶姻合成能力研究表明，其中2株突变株CS1.11-32、CS1.11-33更优，其TTMP的积累量较出发菌株分别提升了47.64%，78.89%，适用于酱油发酵体系。对影响TTMP积累的炒麦添加量、加水量、接种量、发酵温度及搅拌次数进行2株菌的对比发酵研究，CS1.11-33显示出更优的TTMP积累能力。响应面试验优化得出CS1.11-33固态发酵积累TTMP的最佳发酵条件为:炒麦添加量44%，加水量29%，发酵温度37 ℃，接种量8%，发酵过程中不进行搅拌，在此条件下TTMP积累量最大达到1 895.08 mg/kg干基，是其优化前的2.6倍。酱醪贝莱斯芽胞杆菌TTMP高产株的选育及其发酵研究将为提高酱油中TTMP浓度、快速增强酱香及促进TTMP的功能性应用奠定基础。     

基于机器学习的网络新闻评论情感分类研究

首先对网络新闻评论数据的特点进行归纳总结,选取不同的特征集、特征维度、权重计算方法和词性等因素进行分类测试,并对实验结果进行分析比较。对比结果表明：情感词和论据词语搭配效果优于仅使用情感词作为评论特征;另外该类数据中特征维度对分类准确率的影响减小,且TF-IDF权重计算方法仍优于布尔型权重;在词性选择上,名词和动词词性比形容词和副词取得更好的分类效果。     

磷酸盐对粉煤灰-水泥体系影响的研究

本文研究了不同掺量磷酸盐对粉煤灰-水泥体系的强度、工作性能等宏观性能以及水化程度等微观性能的影响,结果表明:1随着磷酸钠掺量的增大,粉煤灰-水泥体系胶砂流动度随之增大,且胶砂流动度经时损失有所改善,各体系的初凝时间和终凝时间延长,标准稠度用水量略有降低;2粉煤灰-水泥体系掺入磷酸钠后,7d强度提高达15%,28d强度最多提高14%,粉煤灰激活效果显著;且化学结合水含量的变化规律与胶砂抗压强度发展变化是一致的;3掺加磷酸钠的胶砂试样安定性良好;将磷酸钠与硫酸钠等量复掺于粉煤灰-水泥体系后相互补偿缺陷,有效地激活了粉煤灰早期和后期强度,证明磷酸钠与硫酸钠相容性较好;4磷酸钠的掺入使粉煤灰反应程度在7d即高于基准组,28d龄期下相较硫酸钠仍体现了良好的促进水化进程的效果,佐证了磷酸盐对粉煤灰的激活作用。     

基于深度学习的甲烷高压射流湍流燃烧火焰图像处理方法研究

基于定容弹开展了高压天然气（甲烷）射流燃烧光学测试,并分别运用深度学习方法和边缘检测算法进行了图像处理。对比结果表明,由于图像中存在射流、火焰差异大的图像识别目标,边缘检测算法无法较好识别射流和火焰,该算法适合于单一目标的火焰图像处理。深度学习方法可识别射流湍流燃烧火焰轮廓,有效地获得射流湍流燃烧火焰前锋面发展位移及火焰传播速度,该方法适用于多个目标的火焰图像处理。根据深度学习图像处理结果表明：当高压甲烷射流接触预燃球形火焰时,火焰由稳定层流速度（<3 m/s）快速上升,最大火焰传播速度高达300 m/s,形成湍流火焰,火焰沿射流方向快速向前发展,火焰面积增加。随着射流和点火时间间隔的增加,最大火焰传播速度线性下降。