利用表格特征信息的Web文本分类研究与实现

构建了关于Web表格特征信息知识的领域本体,提出并设计了一种用于Web文本分类的二次分类模型。该模型使用支持向量机方法对测试样本进行第一次分类;由于设定了较高的分类阈值,一次分类后部分测试样本未确定所属类别,对于这些测试样本,抽取样本中的Web表格特征信息,与基于领域本体的分类模板进行相似度匹配,进行第二次分类。最后通过实验验证了该方法的可行性。     

基于评价对象抽取的物流在线评论情感分析

对物流评论进行情感分析可以发现用户的投诉热点,有助于改善物流企业的服务质量.首先基于词性、评价词、评价对象的搭配规则、词频和PMI方法对物流评论中的评价对象进行抽取.然后,建立4种情感词库及评价词极性计算规则,计算物流企业评论的情感倾向性.结果表明:"四通一达"在速度、服务、价格等5个方面的情感倾向值存在一定差异,各企业可针对实际情况进行改进.     

基于ENM-Gabor差分权重的人脸表情特征提取方法

针对人脸子区域对表情识别分类的重要程度不同,提出一种基于Gabor小波特征和ENM(Eye,Nose,Mouth)差分权重的表情特征提取方法。通过对人脸眼睛、鼻子、嘴巴三个区域进行特征提取并自适应加以权重,有效地区分了不同区域对识别表情的重要程度。对预处理后的表情图像提取ENM区域Gabor特征;将表情图像与中性图像作差值计算得到ENM差分权重;将ENM-Gabor特征结合差分权重得到最终的表情特征并用BP神经网络进行分类。与其他方法在JAFFE表情库上进行对比实验,实验结果表明,该方法相比于传统Gabor特征提取有了明显的提高,且平均识别率达到99.3%。     

考虑交通状况的冷链物流路径优化

随着低碳经济的到来,绿色理念早已深入人心,考虑碳排放的冷链物流配送随之成为当今社会研究的热点问题。在配送过程中,车辆路径规划(VRP)是提高顾客满意度、保障货物新鲜度和降低配送成本的重要因素。针对目前研究中较少考虑交通状况对配送的影响,综合各种配送成本建立多目标优化的冷链物流配送模型。借鉴启发式算法的思想,针对ACO算法容易陷入局部最优和早熟收敛的弊端,设计改进ACO算法加强局部寻优,提高求解的精度,通过实验验证模型和算法的合理性与有效性。     

基于模糊软集合理论的Agent联盟评价

针对多Agent系统中影响联盟功效的因素存在很强的模糊性和不确定性的问题,提出采用模糊软集合理论对Agent联盟进行综合评价。首先,待评价联盟给出自己属性,每位专家根据自己的知识和经验给出评价指标集及对应的评价矩阵;然后,利用模糊软集合理论实现评价矩阵的融合,得到最终评价结果。最后通过实例说明该方法能有效、合理地处理信息的模糊性和不确定性,评价过程符合人的思维判断。     

基于众包标注的中文微博命名实体识别

中文微博命名实体的有效识别对使用微博进行社会舆论监测具有重要意义。鉴于微博更新速度快、语言不规范、噪声多,使得命名实体识别成本高、识别效率低。针对这些问题,提出基于众包标注的中文微博命名实体识别的方法。对众包工作者的能力进行评估,使用最大期望算法(EM算法)对评估后的能力值进行分析学习,过滤掉每个标注者的噪声并对众包标注的结果进行优化,从而确定最后的命名实体。实验结果表明,该方法能够有效地提高中文微博中命名实体识别的准确率。     

一种基于差分进化和编码修正的重叠联盟结构生成算法

重叠联盟结构生成是人工智能和多智能体系统领域中的一个难点问题.在重叠联盟中,一个智能体可以同时参与多个不同的任务求解联盟.然而,由于每个智能体拥有的资源有限,不同任务求解联盟之间的资源竞争会带来潜在的资源冲突.针对这一问题,本文将传统的差分进化扩充到三维整数编码,编码中的每一个元素代表某智能体在某种资源上对某任务的实际贡献量.此外,设计了相应的编码修正策略以评估和解决编码中可能存在的资源冲突.最后,与相关已有方法进行了对比实验分析.实验结果表明,本文所提算法可以在较短的编码修正时间内获得更好的联盟结构值.     

一种基于Apriori的高效关联规则挖掘算法的研究

为了从海量的信息资源库中进行析取、识别和发现潜在正确和有用、前所未知的、最终可理解的知识,从数据挖掘技术的研究入手,对关联规则挖掘算法Apriori算法的关键思想以及性能进行了研究,在此基础上分析和探讨了Apriori Mend算法,并给出了该算法的实现思想和步骤,同时通过实例说明了算法的执行过程,该算法提高了原算法的效率。     

IPSec中密钥交换协议IKE的安全性分析与改进

介绍了IKE协议,研究了IKE协议的安全性问题。对中间人攻击进行了分析并提出了一种改进cookie生成算法;针对拒绝服务攻击分析了系统安全性缺陷,并针对此类缺陷作出了算法改进;在前两种改进方案的基础上设计了一种新的口令认证密钥交换协议,经验证,新的口令认证密钥交换协议更安全有效。     

面向并发多任务的重叠联盟效用分配策略*

重叠联盟效用分配是多agent系统中的一个难点问题,文中提出面向并发多任务的重置联盟效用分配策略.首先基于能者多劳的思想采取按比例分配,对多个并发任务进行并行分派,并根据任务分派情况划分重叠联盟的效用.然后推演一个agent同时加入多个联盟时满足效用非减原则的充分必要条件.最后通过实例验证文中方法的有效性,并与串行效用分配进行对比分析.结果表明,在新agent申请加入联盟时,文中策略更易满足效用非减条件,具有更好的时效性.