针对文本情感分类任务的textSE-ResNeXt集成模型

针对深度学习方法中文本表示形式单一,难以有效地利用语料之间细化的特征的缺陷,利用中英文语料的不同特性,有区别地对照抽取中英文语料的特征提出了一种新型的textSE-ResNeXt集成模型。通过PDTB语料库对语料的显式关系进行分析,从而截取语料主要情感部分,针对不同中、英文情感词典进行情感程度关系划分以此获得不同情感程度的子数据集。在textSE-ResNeXt神经网络模型中采用了动态卷积核策略,以此对文本数据特征进行更为有效的提取,模型中融合了SEnet和ResNeXt,有效地进行了深层次文本特征的抽取和分类。将不同情感程度的子集上对textSE-ResNeXt模型采用投票集成的方法进一步提高分类效率。分别在中文酒店评论语料和六类常见英文分类数据集上进行实验。实验结果表明了本模型的有效性。     

基于双通道词向量的卷积胶囊网络文本分类

基于向量空间模型的文本分类方法的文本表示具有高纬度、高稀疏的特点,特征表达能力较弱,且特征工程依赖人工提取,成本较高。针对该问题,提出基于双通道词向量的卷积胶囊网络文本分类算法。将Word2Vec训练的词向量与基于特定文本分类任务扩展的语境词向量作为神经网络的2个输入通道,并采用具有动态路由机制的卷积胶囊网络模型进行文本分类。在多个英文数据集上的实验结果表明,双通道的词向量训练方式优于单通道策略,与LSTM、RAE、MV-RNN等算法相比,该算法具有较高的文本分类准确率。     

基于SE-CDIO培养学生项目管理能力的新途径

基于软件学院工科学生特点,提出基于SE-CDIO进行培养学生项目管理能力的新途径,以认证考试为驱动,结合企业实际需求进行培养,帮助学生建立未来职场发展方向,培养学生的项目管理技能,提高学生管理项目的能力。     

混合人工化学反应优化和狼群算法的特征选择

包装器特征选择是一种数据预处理方法,通过筛选出信息量最大的特征来降低原始数据集的维数,同时使分类特征的精度最大化.为提高包装器特征选择能力,提出了一种混合人工化学反应狼群优化算法——ACR-WCA.ACR-WCA算法采用自然策略,模仿狼群的搜索策略,可以快速向解空间靠拢,再采用人工化学反应策略优化狼群的种群行为,快速找到最优解,解决局部最优问题;其次,为有效处理数据特征,在初始化阶段利用转换函数处理成二进制特征问题;之后,结合分类准确率和特征选择数给出算法的适应度函数.同时,采用k最近邻(KNN)分类器对测试数据进行训练,并通过K-折交叉验证来克服过拟合问题.实验基于21个著名的不同维度数据集训练,并与4种传统方法和3种接近方法进行比较.实验结果表明,该算法是高效可靠的,它可以对大量特征进行分类任务,具有较高的准确率.     

针对文本情感转换的SMRFGAN模型

文本情感转换的任务需要调整文本的情感并保留与情感无关的内容。但是由于缺乏并行数据,很难提取独立于情感的内容并以无监督学习的方式对情感进行转换,并且由于GAN处理文本类的离散数据效果不如处理连续数据,为此使用了强化学习（Reinforcement Learning）的方法来解决GAN处理离散数据的问题。强化学习的奖励机制来自完整序列上的GAN的判别器,并且用蒙特卡罗搜索方法对生成器进行优化,从而提高生成文本的准确性。为了将源文本中的情感词的极性进行转换,在长短记忆神经网络（LSTM）中增加了自注意力机制（self-attention）,再通过情感记忆模块（sentiment-memory）结合上下文来生成情感词极性反转后的文本作为SMRFGAN（Self-attention Memory Reinforcement learning GAN）预训练的真实数据。实验结果表明,该模型较好地解决了独立于情感内容进行情感转换的问题,BLEU评分有较好的提升。     

测量断口分维的周长-最大直径方法

本文提出了测量断口分维的周长—最大直径方法,并与周长—面积方法进行了对比。当测量码尺很小时,两种方法所测分维比较接近,当测量码尺增加时,周长—面积方法所测分维有下降趋势,而周长—最大直径方法所测分维比较稳定。     

一种基于管状特征的冠脉中心线自动提取算法

针对冠脉分割不准确以及血管曲率变化比较大导致的中心线提取不准确问题,提出了一种基于管状结构特征的冠脉中心线自动提取算法.首先对冠脉进行基于骨架线节点结构特征的冠脉血管中心线粗提取;然后利用冠脉的管状结构特征,提出三种血管结构判断准则,以检测血管断开情况;最后利用血管的局部结构特征,校正血管中心线,以得到完整、连续的血管中心线.对冠脉CTA体数据进行实验,实验结果表明该算法能够很好地解决冠脉分割不准确以及血管曲率变化比较大情况下造成的中心线提取不正确问题,具有很强的鲁棒性.