一种文本特征选择方法的研究

在文本分类中,对高维的特征集进行降维是非常重要的,不但可以提高分类精度和效率,也可以找出富含信息的特征子集.而特征选择是有效降低特征向量维数的一种方法.目前常用的一些特征选择算法仅仅考虑了特征词与类别间的相关性,而忽略了特征词与特征词之间的相关性,从而存在特征冗余,影响了分类效果.为此,在分析了常用的一些特征选择算法之后,提出了一种基于mRMR模型的特征选择方法.实验表明,该特征选择方法有助于提高分类性能.     

基于规则置信度调整的关联文本分类

基于关联规则的文本分类方法ARC-BC是目前已知的分类效果最好的关联规则分类算法.本文提出了利用ARC-BC分类器的封闭测试的结果对分类器进行调整规则置信度的算法RCA(Rules Confidence Adjustment),参与正确分类行为次数多于参与错误分类行为次数(即"威信"较高)的规则应该拥有更高的置信度,反之,就赋予更低的置信度.实验结果表明,经过RCA算法调整的关联文本分类器的分类效果得到显著提高.     

计算机类专业人才培养3＋1模式的探讨

高等学校要担负起培养高素质的创新型及应用型人才的历史使命，就必须深化教育改革，构建新形势下的人才培养创新模式。本文探讨了3＋1人才培养模式机制中的关键内容，提出了在这种创新模式中要解决的两个主要问题，即校企实质性合作问题及模块化课程设置问题。     

基于成对约束的半监督凝聚层次聚类算法

半监督聚类就是利用样本的监督信息来帮助提升无监督学习的性能。在半监督聚类中,成对约束(must-link约束和cannot-link约束)作为样本的先验知识被广泛地使用。凝聚层次聚类(AHC)也叫合成聚类,是层次聚类法的一种。提出了一种基于成对约束的半监督凝聚层次聚类算法(PS-AHC),该算法利用成对约束来改变聚类簇之间的距离,使聚类簇之间的距离更真实。在UCI数据集上的实验表明,PS-AHC能有效地提高聚类的准确率,是一种有前景的半监督聚类算法。     

基于遗传算法的网格资源分配与调度研究

合理的资源调度可以在很大程度上提高网格系统资源的利用率,遗传算法（GA）因具有强大稳健的隐并行解空间搜索功能,被广泛应用于任务分配和调度问题的求解。本文在研究标准遗传算法（SGA）的基础上,提出与小生境技术相结合的自适应选择概率、父子竞争（PCC）交叉算子、插入变异算子和最优保存策略,改进SGA算法,在很好地保持种群收敛性的同时,提高了算法的局部和全局搜索能力。仿真实验结果表明,本文算法与其它调度算法比较,更能有效地实现资源的分配,可以成功应用于网格环境下独立任务的分配与调度。     

一种新的基于粗糙集的leader聚类算法

传统聚类方法将对象严格地划分到某一类,但很多时候边界对象不能被严格地划分.粗糙集用上近似集和下近似集表示一个类,对这种边界不确定的处理非常有效,典型算法有基于粗糙集的k-means聚类算法和基于粗糙集的leader聚类算法.本文针对RFA(R0ughFuzzyApproach)算法存在的不足,提出了一种新的基于粗糙集的leader聚类算法(NRL,Novel Rough-based Leader).其基本思想是首先数据项由于与其最近类中心的距离不同,分别被划分到leader集或者supporting leader集,然后对leader集和supporting leader集进行标号,得到聚类结果.实验结果表明NRL算法非常有效.     

一种基于本体论的文本特征选取方法

针对文本特征向量高维数的问题,给出了一种基于本体论的文本特征选取方法.通过由专业领域本体所建立的概念树,把文本的特征项映射到概念,同时进行了特征项频度到概念频度的转换,使得选取得到的特征概念能够很好表征文本的内容.实验结果表明,与未进行特征概念选取相比,采用此方法选取得到的特征概念能够在尽可能减少对文本分类精度的影响下,达到降低特征维数的目的.     

基于CRFs和领域规则的业务名称识别

提出一种基于条件随机场(CRFs)和领域规则的业务名称识别方法。通过实验词及词性的不同组合选择特征集合,由该特征训练得到CRFs模型,利用该模型测试得到业务术语,采用2-gram及编辑距离2种度量方式进行相似度计算,利用领域规则和相似度计算方法得到业务名称。实验结果证明了该方法的有效性。     

面向电信领域的文本分类研究

文本分类作为信息过滤、信息检索、搜索引擎、文本数据库等领域的技术基础,有着广泛的应用前景。但传统的模式识别方法在处理问题时通常需建立准确的数学模型,而且在解决非线性问题时很难有好的表现。支持向量机在维数灾难方面有很好的表现,并且在小样本数据中有良好的应用。本文集中于文本分类识别问题,并应用到电信领域,取得了满意的结果。