基于摘要的web内容挖掘研究

Internet是一个巨大的,分步广泛的,动态性强的全球信息服务中心,人们想在它上面找到想要的相关信息是很困难的,一般用户通过给搜索引擎提供简短的关键词来检索信息,但是通过搜索引擎返回的相关结果太多,这使得处理相关结果太耗时,本文提出了一种语义虚拟文档(SVD)来表示web文档,在此基础上实现了凝聚层次聚类算法,以自动聚类内容相似的web文档。结果:一方面使网络用户增强了相关结果的判断处理,同时使用户快速、高效的从Internet上发现想要的信息,另一方面返回的结果在知识表示上增强了web内容挖掘。     

基于鲁棒控制的自适应分数阶梯度优化算法设计

当目标函数是强凸函数时, 一般的分数阶梯度下降法不能够使函数收敛到最小值点, 只能收敛到一个包含最小值点的区域内或者是发散的. 为了解决这个问题, 本文提出了自适应分数阶梯度下降法(AFOGD)和自适应分数阶加速梯度下降法(AFOAGD)两种新的优化算法. 受到鲁棒控制理论中二次约束和李雅普诺夫稳定性理论的启发, 建立了一个线性矩阵不等式去分析所提出的算法的收敛性. 当目标函数是L-光滑且m-强凸时, 算法可以达到R线性收敛. 最后几个数值仿真证明了算法的有效性和优越性.     

基于梯度下降算法的神经网络模型研究

神经网络的研究与应用已经取得了巨大的成功,但是在网络的收敛性和稳定性方面还有很多问题。本文对神经网络的核心算法BP算法进行了改进,使用梯度下降算法对神经网络的原始输入变量进行预处理,选择输入变量的主成分作为网络输入,使变量维度和相关性同时减小,从而实现神经网络的结构简化、高收敛性和高稳定性。     

基于文本和网络拓扑结构的用户立场检测算法

社交网络用户立场检测指判断用户对于某一事件所持有的观点.以往的立场检测研究主要是以文本作为唯一研究对象,忽略了其它对用户立场检测有用的因素.根据认知理论研究,用户立场主要是在用户先验立场和外界环境的共同作用下形成的.基于此论文提出一种基于社交网络拓扑结构的立场检测算法.首先进行社区划分,提取用户的社交网络拓扑结构特征来衡量外部环境影响力;其次借文本语义提取技术分析用户先验立场,最后由两者共同作用判断用户最终立场.基于真实微博数据的实验结果表明,论文提出的新算法可以有效提高立场检测的准确性.     

基于网站结构和内容的Web Server加速技术研究

加快Web Server的速度是提高互联网用户获取有效信息和知识的重要问题之一。本文通过分析网站的结构和内容,使用用户浏览趋势（User Browse Trend,简称UBT）算法,预测用户下一步最有可能访问到的页面,结合网页预送技术实现Web Server加速。实验结果验证了算法可行和有较高的效率,网络访问速度有明显的提高。     

基于内容的监视视频摘要技术研究

介绍了视频摘要的相关概念、作用以及视频摘要所涉及到的一些关键技术,探讨了视频结构化的主要步骤,在分析监视视频特征的基础上,给出了一个基于内容的监视视频摘要系统模型。     

基于内容的监视视频摘要技术研究

介绍了视频摘要的相关概念、作用以及视频摘要所涉及到的一些关键技术,探讨了视频结构化的主要步骤,在分析监视视频特征的基础上,给出了一个基于内容的监视视频摘要系统模型。     

随机ADD算法的不确定网络优化研究

传统的网络优化问题通过对偶梯度下降算法来解决,虽然该算法能够以分布式方式来实现,但其收敛速度较慢.加速对偶下降算法(ADD)通过近似牛顿步长的分布式计算,提高了对偶梯度下降算法的收敛速率.但由于通信网络的不确定性,在约束不确定时,该算法的收敛性难以保证.基于此,提出了一种随机形式的ADD算法来解决该网络优化问题.理论上证明了随机ADD算法当不确定性的均方误差有界时,能以较高概率收敛于最优值的一个误差邻域;当给出更严格的不确定性的约束条件时,算法则可以较高概率收敛于最优值.实验结果表明,随机ADD算法的收敛速率比随机梯度下降算法快两个数量级.     

基于树型稀疏模型的重构算法在人脸图像中的研究

人脸图像的识别率一直以来都是研究的热点。提出一种基于树状稀疏模型的算法。首先通过在小波域稀疏特性基础上构建一种图像数据的树状稀疏模型,进而针对此模型设计一种新的人脸图像重构算法。在人脸图像中使用消除人脸部的冗余信息,通过与传统重构算法的比较以及采用3个标准人脸数据集对该算法进行测试。仿真实验表明,该算法相对于参比算法,提高了人脸图像识别精度,具有很好的鲁棒性。     

基于统计的音乐摘要研究

随着Internet的发展．大量音乐资源在网络上涌现，对音乐资源进行有效检索标识是很有必要的．而摘要的意义显得尤为重要。音乐摘要是文本摘要研究在音乐检索领域的一个比较新的应用。综合使用统计相关原理和文本挖掘相关研究理念，对音乐资源进行一定研究．为音乐检索提供新的参考。     

基于统计的音乐摘要研究

随着Intemet的发展,大量音乐资源在网络上涌现,对音乐资源进行有效检索标识是很有必要的,而摘要的意义显得尤为重要.音乐摘要是文本摘要研究在音乐检索领域的一个比较新的应用.综合使用统计相关原理和文本挖掘相关研究理念,对音乐资源进行一定研究,为音乐检索提供新的参考.     

一种基于APGD方法的随钻核磁共振测井快速反演算法

随钻核磁测井仪器受限于遥传带宽限制和测井时序要求,必须在井下测井仪器中快速实现回波T₂谱反演功能。根据实时性要求并结合原始回波串数据特点,设计一种基于加速投影梯度下降APGD(Accelerated Projected Gradient Descend)方法的回波T₂谱快速反演算法,充分利用FPGA硬件资源,采用分布式算法将矩阵乘法运算转换为查找表和累加移位操作,并对算法中开方、开根号等运算化简,提高算法执行效率。在自主研发的随钻核磁共振测井仪实验室刻度实验中的运行结果显示,实验结果与理论分析和数值计算相符合,实时性能满足随钻核磁测井仪器快速反演的需求,并且为随钻测井仪器井下数据处理技术领域的研究工作提供了有益的参考。     

基于稀疏预处理和XGBoost的生化检验智能审核

临床生化检验数据为医生进行疾病诊断提供最有力的数据支撑,当前采用基于规则的半自动异常检验值过滤和医务人员人工审核的方式,存在缺乏学习能力、效率低下的问题.为此,提出一种将检测数据进行稀疏化处理并使用极端梯度提升算法进行智能审核的机器学习模型.首先使用深度神经网络对医院信息系统导出的,经过脱敏、清洗后的检验数据用聚类算法...     

基于局部话题句群的事件相关多文档摘要研究

多文档自动文摘研究的目的是给用户提供简洁全面的文档信息并提高用户获取信息的效率。在进行局部话题确定时,通常是利用聚类分析的方法把相似的文本单元聚成一个局部话题。该文提出了一种针对新闻事件的多文档摘要生成方法,其特色在于：在提取基本新闻要素和扩展新闻要素的基础上分别形成了基本局部话题句群（BPTSG）和扩展局部话题句群（EPTSG）,这样可以在尽可能全面地覆盖多个话题的同时缩减自身的冗余。此外,文中还提出了一种基于事件时间和句子位置信息的文摘句排序方法。实验结果验证了该文所提的方法是有效的,与基于聚类的自动文摘系统相比较,该系统生成的摘要质量有显著提高。     

基于SNMP的网络拓扑算法的研究

介绍了在SNMP协议支持下网络的拓扑发现方法,用Java语言定义了数据结构,设计了一种网络拓扑算法,并对该算法进行了分析.     

基于字典学习的遥感图像去模糊研究

对高分辨率遥感图像进行去模糊是遥感研究中的一个主要难题,针对此提出了一种新的基于稀疏表示的高分辨率遥感图像去模糊算法。该算法利用快速梯度投影算法实现去模糊,并且保留原图像的有用信息。通过对"高分一号"获取的遥感图像进行验证,表明该算法能较好地滤除遥感图像的模糊,提高图像的峰值性噪比,且比其他字典学习算法具有更好的性能。     

基于多层P样条和稀疏编码的非刚性医学图像配准方法

针对传统相似性测度易受灰度偏移场的影响而造成误配,和单层P样条变换模型中通常无法准确选择初始化网格密度的问题,提出了多层P样条和稀疏编码的非刚性医学图像配准方法。该方法将稀疏编码作为相似性测度,首先把待配准的两幅图像划分图像块,然后使用“K-SVD”算法训练图像块得到分析字典并寻找稀疏系数,采用多层P样条自由变换模型来模拟非刚性几何形变,结合梯度下降法优化目标函数。实验结果表明,与单层P样条几何变换和Sparse-induced、Rank-Induced相似性测度相比,所提方法能够准确选择网格密度并有效克服灰度偏移场对配准的影响,降低了均方根误差,提高了配准的精度和鲁棒性。     

基于混合算法的通信用户规模预测方法研究

准确地对通信用户规模进行预测对于通信运营商的决策具有十分重要的意义,而现有的常规预测方法存在预测误差较大、预测速率低等问题。研究一种基于RBF神经网络的通信用户规模预测模型。为了使得RBF神经网络算法预测性能更优,使用梯度下降算法与遗传算法混合对RBF神经网络进行参数优化,提高预测模型收敛效率。实例分析表明,使用本文研究的混合RBF神经网络预测模型的预测结果明显优于其他传统的预测模型。同时,在预测速度上也具有较大的优势。     

基于Adam优化的卷积神经网络随机共振现象研究

文中利用随机共振对改善Adam优化的卷积神经网络在算力有限下的性能进行了研究。对反向传播算法采用动量梯度下降算法去更新参数的网络进行Adam优化,利用MNIST手写数字集进行仿真实验,在论文实验条件下,跟动量梯度下降算法的网络相比,Adam优化的网络在前15次epoch下交叉熵降低,增加训练样本数量可以使得交叉熵的降低幅度减小。论文对Adam优化的卷积神经网络的输出神经元加入高斯噪声,仿真结果表明,交叉熵减少百分比出现了随机共振现象,增加训练样本数量可以使得随机共振现象的效果减小。