文本分类中基于位置和类别信息的一种特征降维方法*

从文本特征项所处的位置角度提出了特征项基于位置的降维方法;同时结合特征的类别分布进行了二次特征降维。这种基于位置和类别相结合的特征降维方法在最大程度减少信息损失的条件下,实现了特征维数的有效压缩。实验表明,该方法有较高的文本分类效率。     

文本分类中一种混合型特征降维方法

提出一种基于特征选择和特征抽取的混合型文本特征降维方法,分析基于选择和抽取的特征降维方法各自的特点,借助特征项的类别分布差异信息对特征集进行初步选择。使用一种新的基于PCA的特征抽取方法对剩余特征集进行二次抽取,在最大限度减少信息损失的前提下实现了文本特征的有效降维。对文本的分类实验结果表明,该特征降维方法具有良好的分类效果。     

一种基于模糊加权的改进文本聚类方法

首先提出了一种优化初始中心点方法用以解决聚类的局部最优问题.同时通过样本的模糊加权减少边缘噪音数据对聚类效率的影响.文本聚类试验表明,该模糊文本聚类算法取得较好的聚类效果.     

纠缠交换的量子回路实现

自从量子纠缠态及隐性传态理论提出以来,量子纠缠技术和隐性传态技术得到了迅速发展.量子隐性传态在技术上保证了量子通信的绝对安全,量子隐性传态是基于量子纠缠交换提出的.文章阐述了量子隐形传态及量子纠缠交换的基本理论,给出了一种基于Bell态实现量子纠缠交换的量子回路,该回路结构简单,易于实现.     

基于类别选择的改进KNN文本分类

特征高维性以及算法的泛化能力影响了KNN分类器的分类性能.提出了一种降维条件下基于类别的KNN改进模型,解决了k近邻选择时大类别、高密度样本占优问题.首先使用一种改进的优势率方法进行特征选择,随后使用类别向量对文本类别进行初步判定,最后在压缩后的样本集上使用KNN分类器进行分类.试验结果表明,提出的改进分类模型提高了分类效率.     

基于相位调制的量子密钥分配协议的仿真

基于相位编码的量子密钥分配协议,对微弱光脉冲采用差分相位编码,采用双不等臂M-Z干涉仪系统进行解码.在经典计算机上用Delphi编制相应的程序,实现了相位调制的量子密钥分配协议仿真.研究表明,在经典计算机上仿真相位调制的量子密钥分配过程是完全可行的.     

文本分类中基于K-means的类偏斜KNN样本剪裁

KNN算法是经典的文本分类算法.训练样本的数量和类别密度是影响算法性能的主要瓶颈,合理的样本剪裁可以提高分类器效率.文中提出了一种基于聚类的改进KNN分类模型.首先对训练集进行聚类,基于测试样本与簇之间的相对位置对训练集进行合理裁剪以节约计算开销;然后基于簇内样本分布进行样本赋权,改善大类别样本的密度占优现象.实验结果表明,本文提出的样本剪裁方法提高了KNN算法的分类性能.     

NTRU中间距失败的概率分析及其影响

NTRU是一种极有发展潜力的公钥密码体制,然而它的解密机制是不完善的,可能出现合法密文无法解密的现象,这严重影响了该体制的安全性.间距失败是导致解密失败的一个重要原因,对此,在p=2相关多项式均为系数为0或1的二元多项式条件下,讨论了卷积系数的弱线性相关性,在此基础上对间距失败的概率计算进行了介绍和分析,得到了相关的计算公式,并介绍了一种利用间距失败对NTRU的攻击方法.     

一种中文电话码高效输入键盘的研究和应用

论文提出了一种中文电话码高效输入键盘和在该键盘基础上的一些应用。     

一种基于改进K-means聚类的文本特征选择模型

介绍了文本聚类中基于划分的方法,针对该算法对孤立点的过于敏感问题,提出了一种用于特征选择的算法改进模型,通过对特征集里孤立点的剔除改善了特征聚类效果.随后的文本分类试验表明,提出的改进的算法具有较好的特征选择效果,文本分类的效率较高.