城管案件短文本特征生成与选择方法及其应用

以智慧城市管理应用系统中的案件上报短文本为对象,研究有效的特征生成和特征选择方法,实现案件快速准确地自动分类。根据案件描述短文本的特点,提出一种互邻特征组合算法,以生成描述力更强的组合特征;为进一步约减特征并优化特征空间,提出一种新的隶属度函数来为分类体系中的每个类别构建一个类别特征域,然后利用类别特征域进一步优化选择原始特征与组合特征,最终得到对分类贡献最高的特征表示集合。以南宁市青秀区“城管通”App中的案例分类为实例,验证提出的特征生成及选择方法,实验表明相对于文档频率、互信息和信息增益,提出的方法对案件分类的准确率更高,引入组合特征能显著提升分类准确率。     

压盖导流通风降温技术对储藏稻谷品质的影响

采用压盖导流通风降温技术储藏稻谷,研究稻谷储藏期间水分含量、黄粒米含量、脂肪酸值、品尝评分值、出糙率和整精米率的变化。结果表明:相比于常规储藏,采用压盖导流通风降温技术可减少水分损失0.5%;黄粒米含量维持在0.1%左右,比对照仓低0.8%;脂肪酸值为19.2mg KOH/100g,比对照仓低7.6mg KOH/100g;品尝评分值为79分,比对照仓高7分;出糙率和整精米率分别为77.2%和55.2%,比对照仓高5.7%和8.1%。说明采用压盖导流通风降温技术能够充分利用粮堆"冷心",使稻谷全年处于低温或准低温储藏状态,符合基本无虫粮要求,实现了免熏蒸绿色储藏。     

基于小波的搜索量聚类及在变量选择中的应用

针对使用网络购物搜索量数据建立预测模型时的变量选择问题,提出一种基于连续小波变换(CWT)及其逆变换的聚类方法。算法充分考虑了搜索量的数据特征,将原始序列分解成为不同时间尺度下的周期成分,并重构为输入向量。在此基础上通过加权模糊C均值(FCM)方法进行聚类。变量选择是根据聚类后每个分类中的关键词隶属度函数值确定的,选择效果通过我国居民消费价格指数(CPI)的预测模型进行验证。结果表明,搜索量序列具有不同长度的周期成分,聚类后同组关键词具有明显的商品类型一致性。与其他变量选择方法相比,基于小波重构序列聚类的预测模型具有更高的预测精度,单步和三步预测相对误差仅为0.3891%和0.5437%,预测变量也具有清晰的经济含义,因此特别适用于解决大数据背景下高维预测模型的变量选择问题。     

基于视频业务质量优化的认知无线电传输信道选择

认知无线电网络中,次级用户选择信道的传统技术基于信道特性对传输信道进行随机选择,忽略了应用层视频业务对信道质量的要求。针对该问题提出了一种基于视频业务质量优化的信道选择技术,优化视频业务端到端的传输质量。通过最小化端到端视频失真,跨层优化综合选择物理层传输信道、自适应调制与编码模式以及应用层的编码量化参数。该方法在多信道认知无线电网络下进行了大量的视频传输仿真模拟实验。实验结果表明该方法能够比不含信道选择的跨层优化方法提高认知无线电网络下次级用户的视频传输业务客观质量1.5 dB以上。     

灰色关联分析和粒子群优化算法相融合的合作伙伴选择

针对目前解决云服务商合作伙伴选择问题方法均存在如搜索速度变慢、实用性差、难以获得完全合理的选择方案等不足,提出了一种灰色关联分析和粒子群优化(PSO)算法相融合的合作伙伴选择方法。首先采用灰色关联法对云服务商的评价指标进行筛选,并计算每一种指标的权重值;然后建立云环境下服务商合作伙伴选择问题的数学模型,并采用粒子群算法对其进行求解,找到云服务商合作伙伴选择的最佳方案。具体应用实例性能测试结果验证了方法的有效性和合理性,它可以选择出最佳的合作伙伴。     

基于多核学习支持向量机的音乐流派分类

针对不同特征向量下选择最优核函数的学习方法问题,将多核学习支持向量机(MK-SVM)应用于音乐流派自动分类中,提出了将最优核函数进行加权组合构成合成核函数进行流派分类的方法。多核分类学习能够针对不同的声学特征采用不同的最优核函数,并通过学习得到各个核函数在分类中的权重,从而明确各声学特征在流派分类中的权重,为音乐流派分类中特征向量的分析和选择提供了一个清晰、明确的结果。在ISMIR 2011竞赛数据集上验证了提出的基于多核学习支持向量机(MKL-SVM)的分类方法,并与传统的基于单核支持向量机的方法进行了比较分析。实验结果表明基于MKL-SVM的音乐流派自动分类准确率比传统单核支持向量机的分类准确率提高了6.58%,且该方法与传统的特征选择结果比较,更清楚地解释了所选择的特征向量对流派分类的影响大小,通过选择影响较大的特征组合进行分类,分类结果也有了明显的提升。     

基于动态评价选择策略的改进人工蜂群算法

针对标准人工蜂群(ABC)算法易陷入局部极值的问题,对标准ABC算法的轮盘赌选择机制进行了修改,提出了一种基于动态评价选择策略的改进人工蜂群(DSABC)算法。首先,根据到当前为止一定迭代次数内蜜源位置的连续更新或停滞次数,对每个蜜源位置进行动态评价;然后,利用所得的评价函数值为蜜源招募跟随蜂。在6个经典测试函数上的实验结果表明:与标准ABC算法相比,动态评价选择策略改进了标准ABC算法的选择机制,使得DSABC算法的求解精度有较大幅度提高,特别是对于两种不同维数的Rosenbrock函数,所得最优值的绝对误差分别由0.0017和0.0013减小到0.000049和0.000057;而且,DSABC算法克服了进化后期因群体位置多样性丢失较快而产生的早熟收敛现象,提高了整个种群的收敛精度及解的稳定性,从而为函数优化问题提供了一种高效可靠的求解方法。     

基于粗糙集的非监督快速属性选择算法

针对"大数据"中常见的大规模无监督数据集中特征选择速度难以满足实际应用要求的问题,在经典粗糙集绝对约简增量式算法的基础上提出了一种快速的属性选择算法。首先,将大规模数据集看作一个随机到来的对象序列,并初始化候选约简为空集;然后每次都从大规模数据集中无放回地随机抽取一个对象,并且每次都判断使用当前候选约简能否区分这一对象和当前对象集中所有应当区分的对象,并将该对象放入到当前对象集中,如果不能区分则向候选约简中添加合适的属性;最后,如果连续I次都没有发现无法区分的对象,那么将候选约简作为大规模数据集的约简。在5个非监督大规模数据集上的实验表明,所求得的约简能够区分95%以上的对象对,并且求取该约简所需的时间不到基于区分矩阵的算法和增量式约简算法的1%;在文本主题挖掘的实验中,使用约简后的数据集挖掘出的文本主题同原始数据集挖掘出的主题基本一致。两组实验结果表明该方法能够有效快速对大规模数据集进行属性选择。     

基于合作似然检测和球形译码的多用户多输入输出多跳中继系统

针对多输入输出(MIMO)系统在传输数据过程中的误码率(BER)和信道容量优化问题,提出一种基于合作似然检测和球形译码的多用户MIMO多跳中继系统。首先,该系统构建二阶协作的MIMO中继系统模型对信道数据的中继传输过程以及路径损耗、阴影衰落情况进行分析;接着,通过球形译码来推导出等效的最大似然规则进行对数正态阴影衰落检测;最后提出最大调和平均信道功率选择策略,基于相关性链路度量和最大信道功率阈值为用户选择误码率更小的接入链路,从而改善多用户MIMO系统的性能。实验仿真结果显示,与基于互信息最大化的多用户MIMO多跳中继系统以及基于解码转发和多入多出技术正交空时分组编码(STBC)的中继系统相比,该系统在数据传输过程中的平均比特误码率分别降低了27.4%和32.6%,平均信道容量分别提高了9.5%和12.7%,因此在减少误码率和提高信道容量上具有较好的效果。     

量子密钥分发网络端端密钥协商最优路径选择算法

针对量子密钥分发(QKD)网络端端密钥协商路径选择问题,设计了一种基于改进Dijkstra算法的端端密钥协商最优路径选择算法。首先,基于有效路径策略,剔除网络中的失效链路;然后,基于最短路径策略,通过改进Dijkstra算法,得到密钥消耗最少的多条最短路径;最后,基于最优路径策略,从多条最短路径中选择一条网络服务效率最高的最优路径。分析结果表明,该算法很好地解决了最优路径不唯一、最优路径非最短、最优路径非最优等问题,可以降低QKD网络端端密钥协商时密钥消耗量,提高网络服务效率。