基于平滑SO-PMI算法的微博情感词典 构建方法研究

对现有情感词典在微博情感分类中的适用性进行了分析,针对现有情感词典在微博中情感词覆盖度低的问题,整合现有情感词典资源,构建了一个微博基础情感词典,同时提出了一种基于拉普拉斯平滑的SO-PMI算法对微博基础情感词典中没有收录的情感词倾向性进行判断,最后利用微博情感词典与拉普拉斯平滑的SO-PMI算法对微博情感词典进行了构建,并对所构建微博情感词典的分类性能进行了实验。实验结果表明,该方法所构建的情感词典在微博情感分类中能达到较好的分类效果。     

人工免疫中匹配算法研究

针对现有基于人工免疫理论入侵检测系统中的亲和力匹配算法研究的不足,导致检测结果误报率和漏报率较高的问题,提出了一种新的进化匹配机制.定义了自体非自体,给出了成熟细胞动态方程,亲和力累积方程和进化匹配算法,建立了模型的形式化描述.采用动态匹配算法加快了进化速度,保存了具有优势特征的物种,提高了检测效率和准确性,使得对抗原的识别率更为有效.实验结果表明,该模型具有定量、高效率和较好的准确性,能积极主动的保护系统不受实质性攻击.为构建新一代高效合理的网络安全系统提供了一种有效方案.     

围棋模式存储与匹配算法

提出了一种围棋模式的存储方法及模式匹配算法。此方法将旧式的完全存储形式改为只对有用点进行存储的形式,并设计了一套相应的模式匹配算法,为电脑围棋中模式的研究提供了一种参考方法。     

基于改进Balance算法的车货匹配研究

贪婪算法(Greedy algorithm)只关注当前匹配的收益,在车货匹配的过程中有可能出现集中匹配同一车型的情况,导致匹配的效果并不理想。对Balance算法进行改进,并应用于车货匹配中,提出基于改进Balance算法的车货匹配模型(Improved Balance Vehicles and Cargos Matching Model,IBVCM)。模型引入车货匹配平衡函数定义各车型的匹配情况,并根据车货之间的匹配关系对函数进行修正,在为货物选择匹配车型时综合考虑当前车货匹配的收益以及车型匹配情况两个因素。实验结果表明,文中所提的IBVCM模型与贪婪算法相比匹配的成功率提高13.5%,匹配的总收益提高18%。     

基于情感词典的课程评论情感分析

采用极性计算方法,对MOOCs上的课程评论进行情感分析.首先,从MOOCs上搜集课程评论,并对所有评论按学习者、授课方式、课件、平台和视频这5个属性进行分类.其次,基于情感词典对各属性评论进行极性计算,得到各属性的正向评论、负向评论、中性评论和无效评论,将正向评论和负向评论作用于课程评分.最后,分别计算课程评论与5个属性在网页中的共现频率,并将单个共现频率与总共现频率之比作为评分的权重,从教育者角度、学习者角度和平台角度对课程进行评分.将本文方法应用于某高校的课程分析中,结果表明本文方法所得的结果客观、合理.     

基于扩展情感词典及特征加权的情感挖掘方法

针对情感分类中采用单一特征分类精度不高的问题,提出多特征加权的分类算法:根据扩展的情感词典计算每个词的情感倾向度,经CHI特征选择后,根据情感词的极性强度调整贝叶斯分类模型中该词的正负后验概率,在原值的基础上加上极性强度影响值。实验将该方法和其他3种单特征选择方法在酒店、影视等语料上的分类精度进行了对比,分类精度得到提升。实验结果表明,将词语的情感倾向度的特征融入到分类器中方法,在有效提高情感倾向性分类精度的同时降低了特征维数。     

EB环境下的一个匹配模型及其算法研究

描述了基于相同属性的元素两两重复匹配在实际应用中的具体意义,提出了EB环境下基于相同属性的元素两两重复匹配问题的基本概念,讨论了重复匹配的各种情况和最大重复匹配、最小重复匹配以及平凡匹配的定义和判定准则;分析了最大重复匹配(最小重复匹配)的精确求解算法,得出在m个元素、n种属性的情况下,求解两两最小(最大)重复匹配算法的时间复杂性为Smn的结论;最后提出一个改进算法,其时间复杂性为O(C),改进后的算法还适宜于手工作业。     

语义Web服务匹配算法的研究

Web服务为构建复杂信息系统提供了极具柔性的模式,但是Web服务通常发布到一个集中式的注册中心,而且只是依靠关键字而不是信息内容进行服务的查询,这样容易造成单点错误和形成回络瓶颈。作者提出一种分布式UDDI注册库网络模型,并在此基础上提出一种基于语义的两层服务匹配算法。性能分析表明,匹配的精度和深度有所提高。     

一种改进的Sunday匹配算法

字符串的模式匹配算法在多协议识别技术中,起着至关重要的作用,为了提高多协议识别效率,该文在分析几种经典模式匹配算法的基础上,提出一种基于Sunday算法的改进算法。算法主要是在每次匹配开始前通过一个条件判断语句,判断主串中的相应后缀是否在模式串中,从而减少了无意义的匹配次数,提高了算法的执行效率,通过对比实验证明了该算法的有效性。     

一种基于遗传算法的立体匹配方法

立体匹配问题是被动视觉研究中最关键的问题之一。本文定义了描述立体匹配问题的染色体表示,设计了相应的适应度函数,并按照立体匹配中相应的约束条件,将遗传算法应用于该问题中。实验证明该算法具有较强的适应性和稳定性。     

基于Wu-Manber的快速跳跃多模式匹配算法

海量信息处理以及网络入侵检测等应用都对串匹配技术提出了新的挑战。在分析多模式匹配的Wu-Man- ber算法之后,提出一种基于WM的快速跳跃多模式匹配算法。该算法采用增大跳跃距离、减少冗余移动的方法,提高了WM算法的查找效率。试验数据表明该算法的查找时间比WM算法减少了5-9%。     

一种基于窗口切片的单模式匹配算法

在分析Sunday算法的基础上,提出了一个改进的串匹配算法.该算法利用窗口对文本串进行切片,使模式串的最大右移量从m+1增至2m+1.实验表明,该算法有效地减少了匹配次数,提高了算法的性能.     

基于自适应遗传互相关算法的模板匹配

提出一种将自适应遗传算法与灰度互相关函数结合的模板匹配方法。通过合理设计自适应遗传算法和遗传参数以充分发挥遗传算法的全局寻优能力，从而降低模板匹配的时间复杂性，提高模板匹配的实时性。     

指纹图像预处理和匹配算法研究

根据电容式传感器采集的指纹图像的特点,提出了一套指纹图像预处理和匹配算法.算法首先采用指纹预处理组合算法去除噪声,并提取指纹图像的二值点线图,然后通过搜索脊线,寻找细节点来实现特征提取.最后采用基于极坐标下的点模式的细节匹配算法,并用一个相对匹配点数的匹配判决标准,按相对匹配点数确定两幅图像是否匹配.实验结果表明,该算法能够对指纹进行较准确的比对与匹配,并效果较好.     

改进的Sunday模式匹配算法的设计与实现

针对Sunday模式匹配算法低效率问题,研究了它的改进算法I—Sunday算法．依据模式匹配算法的跳跃思想,I—Sunday算法在遇到坏字符时,不但考虑当前匹配窗口的下一位字符,而且也考虑了下一位字符之后长度为模式串长度的那个字符,这就跳跃了更大的距离．另外,匹配时采用双向并行方式进行匹配．为了验证I—Sunday算法的性能,在同等条件下,在匹配次数和比较的字符个数两方面对I—Sunday算法进行实验．实验结果表明,由于I—Sunday算法能够跳过大量的坏字符,大大地减少匹配次数和字符的比较,从而缩短匹配时间,有效地提高模式匹配速度．     

基于WM算法改进的多模式匹配算法

为提高入侵检测系统整体的性能和效率,在研究经典的WM（Wu-Manber）多模式匹配算法的基础上,提出一种改进的WM多模式匹配算法。该算法使用后缀表方法,减少了匹配过程中模式字符串与文本的比较次数。实验结果表明,该算法有效提高了入侵检测系统匹配的速度和效率。     

基于投影与KMP简约算法的一维快速模板匹配算法

传统的模板匹配算法(如NC和SSDA)虽然具有匹配精度高的优点,但由于其计算量大,使得匹配时间过长。本研究提出了一种新的基于投影与KMP简约算法的一维快速模板匹配算法,首先将图像进行降维处理,得到特征字符串,通过对特征字符串的匹配,实现粗匹配,可大幅度地减少图像匹配时间;然后利用NC匹配算法,对粗匹配的结果进行验证,以达到快速匹配的目的。通过实验证明了本算法的快速性和准确性。