基于改进的Random Subspace的客户投诉分类方法

电信业的客户投诉不断增多而又亟待高效处理。针对电信客户投诉数据的特点，提出了一种面向高维数据的改进的集成学习分类方法。该方法综合考虑客户投诉中的文本信息及客户通讯状态信息，基于Random Subspace方法，以支持向量机（Support Vector Machine，SVM）为基分类器，采用证据推理（Evidential Reasoning，ER）规则为一种新的集成策略，构造分类模型对电信客户投诉进行分类。所提模型和方法在某电信公司客户投诉数据上进行了验证，实验结果显示该方法能够显著提高客户投诉分类的准确率和投诉处理效率。     

面向长距离量子通信的双光子关联成像技术

量子时域鬼成像利用光子对的时间-频率关联性实现了50km光纤链路上的图像传送,有望应用于量子通信的协议中。然而,现有方案的成像质量较差,成像速度较慢,因此其应用性在一定程度上受到了限制。文章对已有成像方案进行了较大的改进,利用可编程滤波器数字设定待成像信息,进而实现了二维图像信息的自动化实时传送。实验结果证明,改进方案的成像质量和速度均有显著改善,有利于推动量子关联成像在量子通信领域的应用。     

SiC单晶加工参数优化及表面粗糙度预测

因独特的共价键晶体结构,SiC单晶具有较高的硬度和脆性,是典型的难加工材料。以横向超声激励线锯的方法对SiC单晶进行切割,采用正交实验设计,并引入灰色关联分析法研究切割过程中锯切力、晶片表面粗糙度等多目标与主要加工参数之间的影响关系,以及获得线锯加工最优参数组合,即工件进给速度0.025mm/min、超声振幅1.8μm、线锯速度1.6m/s、工件转速16r/min为最优加工参数组合,并通过实验进行验证。采用果蝇优化算法优化灰色神经网络模型(FOA-GMNN)对SiC单晶片的表面粗糙度Ra进行预测,结果表明:FOA-GMNN模型收敛速度快,鲁棒性好,预测精度高,预测值与实验值的平均相对误差为2.09%。     

商品条码应用平台简析

现代社会随着电商及移动电商的发展,线上线下企业纷纷关注并积极积累内外部市场的数据,来自生产方数据的质量要求就更显得突出,而政府监管、企业诚信、消费者网购等社会各界对商品信息及关联数据的数量和品质也都提出了前所未有的高要求。