基于DTGA-BP组合模型的区域创新能力评价

以实现科学、准确、可操作的区域自主创新能力评估分类为目标,提出一种基于决策树遗传算法和BP神经网络的组合模型（Decision Tree Genetic Algorithm and Back Propagation,DTGA-BP）.利用决策树对评估指标进行特征选择并通过优化隐藏层神经元数目对神经网络的结构进行改进;采用非线性的交叉变异概率值的遗传操作结合一种新的选择算子方式优化BP神经网络的初始权重与阈值.实验结果表明,组合模型的评估结果相比传统的主观赋值法更为科学准确;较单一BP神经网络模型和GA-BP模型在分类精度方面分别提高了41%和20%.     

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.     

自注意力机制的短文本分类方法

针对短文本信息量少导致隐藏的信息难以充分挖掘和深度学习模型易受干扰导致分类准确度下降的问题,提出一种融合对抗训练自注意力多层双向长短期记忆网络(Con-Att-Bi LSTMs)短文本分类模型。将文本训练集按不同比例进行分类对抗训练,通过对抗训练提升模型的健壮性;利用多层双向长短期记忆网络对语义进行提取,利用自注意力机制层对语义信息进行加权强化;经过softmax函数使损失率极小化。将该方法与其它模型方法比较,实验结果表明,该方法有效提高了短文本分类的准确度。     

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.     

基于胶囊网络的智能交通标志识别方法

针对卷积神经网络的标量神经元无法表达特征位置信息,对复杂的车辆行驶环境适应性差,导致交通标志识别率低的问题,提出一种基于胶囊网络的智能交通标志识别方法。首先采用超深度卷积神经网络改进特征提取部分,然后在主胶囊层引入池化层,最后采用移动指数平均法改进了动态路由算法。在GTSRB数据集上的测试结果表明,改进后的胶囊网络方法在特殊场景下的识别精度提高了10.02个百分点,相对于传统的卷积神经网络,该方法的单张图片的识别时间缩短了2.09 ms。实验结果表明,改进后的胶囊网络方法能满足准确、实时的交通标志识别要求。     

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。     

基于社会力的井下逃生矿工疏散模型研究

针对井下逃生人流的特性,运用博弈理论模拟矿工逃生人流间的复杂交互关系,并通过社会力方程,给出了自驱动力、矿工与矿工群体的相互作用力、矿工和障碍物的相互作用力方程,进而量化了收益矩阵,引入了损益比、视野概念,建立了井下矿工逃生模型,并进行模拟分析。该模型的提出和研究结果,将为进一步完善井下逃生人流疏散研究以及相关研究起到积极的作用。     

基于Agent的井下透水事故逃生模型研究

为探讨井下发生透水事故时矿工逃生的可能性和成功逃生的比率,帮助矿工在复杂的井下环境和突发事故中准确选择逃生路线,建立了基于Agent的井下透水事故逃生模型。通过对井下人员在灾害中的生理和心理的需求进行分析,提取出了模型的运行规则。利用RePast软件建模仿真矿工的逃生行为,随机地生成逃生路线。模型运行结果表明：在井下发生透水事故时,利用模型生成的逃生路线能够有效降低井下人员的死亡率,帮助Agent安全逃生。     

基于信息生命周期的多主体交互模型及形式化

研究社会行为主体间信息交互模型优化问题,社会在应用多主体建模技术模拟人群社会行为的过程中,多主体间的信息交互模式决定着主体自组织和自学习的方式和效率。从现实社会中人与人之间的消息传播行为规律出发,分析主体间信息交互过程,以信息生命周期理论为基础建立多主体间信息交互模型,给出主体信息交互各个阶段的形式化方法和表述结果。利用新闻传播学中消息的5W1H定义来表达信息内容,采用时态逻辑描述单一主体信息需求的判定,应用多目π-演算形式化方法表述多主体获取和转发信息的行为,使用模糊集和Brooks方程分别表示信息过滤与信息吸收行为。进行分析的结果表明,多主体间信息交互模型的建立及其形式化描述,可为人群社会行为仿真模型的实现奠定了基础。     

基于 Agent 的井下透水事故逃生模型研究

为探讨井下发生透水事故时矿工逃生的可能性和成功逃生的比率,帮助矿工在复杂的井下环境和突发事故中准确选择逃生路线,建立了基于 Agent 的井下透水事故逃生模型.通过对井下人员在灾害中的生理和心理的需求进行分析,提取出了模型的运行规则.利用 RePast 软件建模仿真矿工的逃生行为,随机地生成逃生路线.模型运行结果表明:在井下发生透水事故时,利用模型生成的逃生路线能够有效降低井下人员的死亡率,帮助 Agent 安全逃生.