基于XML和N层VSM的Web信息检索

基于XML文档格式良好、层次清晰，可以方便地操纵、分析其结构的特点。文中在将Web上的HTML文档转化为XML文档的基础上，通过Java中的DOM树，分析文档的层次结构。把文档分为层次化的文本段，对传统的VSM算法进行改进，把每个文本段转换为空间向量，实现了N层VSM算法，通过试验证明，改进后算法的查全率和查准率都要优于传统的VSM算法。     

基于情感音乐模板的音乐检索系统研究

传统的基于文本信息描述的音乐检索技术已经无法满足人们对检索智能化的需求,于是产生了基于内容的音乐检索方法.在此基础上将情感需求引入到检索中,对基于情感的音乐检索方法及模型进行了相关研究.首先构建了音乐情感空间来获得用户的情感描述;然后通过对情感音乐模型进行定义提出了情感音乐模板库,以得到满足用户情感需求的匹配模板;最后,在此基础上提出了基于情感音乐模板的音乐检索系统模型,力求探讨出一种基于情感的有效检索方法.     

基于VSM的权重改进文档相似度算法研究

向量空间模型是以索引项权重为核心的模型,索引项权重对文本分类、检索的效果起着决定性的作用.文中提出了一个基于关键词的权重改进传统向量空间模型的权重算法.基于改进索引项权重的向量空间模型除了考虑原有索引项权重还考虑了文档中关键词的权重.通过特定领域FAQ的检索测试结果表明,改进的算法很大程度上提高了检索的查准率、查全率.     

基于特征提取的中文检索方法研究

本文介绍了布尔检索模型、概率检索模型、向量空间检索模型，详细分析了基于字、词、内容为提职特征的中文检索方法及各自的特点。     

N层向量空间模型在Web信息检索中的应用

在传统向量空间模型的基础上,提出一种新的信息检索算法模型——N层向量模型。此模型应用在Web信息检索上,能较好地适应文档集合的动态扩充。     

VSM的权重改进对文档相似度的影响研究

向量空间模型是以索引项权重为核心的模型,索引项权重对文本分类、检索等的效果起着重要的作用。文中使用了一个基于关键词的权重,并利用它改进传统向量空间模型的权重算法。改进后的模型综合考虑原有索引项权重和文档中关键词的权重。在特定领域FAQ的检索中作测试实验,结果表明,改进的方法提高了检索的查准率、查全率。     

VSM的权重改进对文档相似度的影响研究

向量空间模型是以索引项权重为核心的模型,索引项权重对文本分类、检索等的效果起着重要的作用。文中使用了一个基于关键词的权重,并利用它改进传统向量空间模型的权重算法。改进后的模型综合考虑原有索引项权重和文档中关键词的权重。在特定领域FAQ的检索中作测试实验,结果表明,改进的方法提高了检索的查准率、查全率。     

基于N-Level VSM在Web信息检索中的研究

分析了传统向量空间检索模型在Web信息检索中的不足,给出了基于N-Level向量空间模型,这种模型是将一篇文档从逻辑上划分为N个相对独立的文本段,然后按照文本段的内容建立文本特征向量以及文本权值向量,在此基础上可以更加精确地定义特征值向量和相似度的计算方法,使之能比较好地适应文档集合的动态扩充。同时进行了两种模型算法时间的复杂度的比较分析。理论分析和实验结果表明,基于此模型实现的信息检索算法具有较快的查找速度和较高的查准率。     

基于XML和N层VSM的Web信息检索

基于XML文档格式良好、层次清晰,可以方便地操纵、分析其结构的特点。文中在将Web上的HTML文档转化为XML文档的基础上,通过Java中的DOM树,分析文档的层次结构。把文档分为层次化的文本段,对传统的VSM算法进行改进,把每个文本段转换为空间向量,实现了N层VSM算法,通过试验证明,改进后算法的查全率和查准率都要优于传统的VSM算法。     

基于N层向量空间模型的信息检索算法

N层向量空间模型在传统向量空间模型的基础上提出了的一种新的信息检索算法模型，这种模型将一篇文档从逻辑上划分为N个相对独立的文本段，然后按照文本段的内容建立文本特征向量以及文本权值向量，在此模型的基础上，更为精确地定义了特征值向量和相似度的计算方法，使之能比较好地适应文档集合的动态扩充，理论分析和实验结果表明，基于此模型实现的信息检索算法具有较快的查找速度和较高的查准率。     

基于核聚类进化算法的音乐情感模糊计算模型

音乐情感计算涉及到多维度多层次结构的复杂情感表征问题,而情感本身所具有的模糊性、细微性和多样性,使得传统的情感识别方法普遍效率低下且正确率不高.为提高识别精度,首先利用高斯径向基函数进行非线性映射,来分辨、提取并放大更多的细节信息.然后通过深入剖析中国古琴乐曲,从中抽取出影响最大的六个情感特征值,并在非线性映射的基础上,构造一种基于核聚类进化算法的音乐情感模糊计算模型.在此基础上,进一步针对算法中统一设定簇半径阈值的不足,提出基于蚁群算法的规则调整策略,并进行系统实验.实验结果表明,与基于概率统计的Beyes分类方法相比,优化后的模糊计算模型具有较好的识别效果.     

基于音乐情感识别的舞台灯光控制方法研究

为了实现音乐情感识别的舞台灯光自动控制,需对音乐文件进行情感标记。针对人工情感标记效率低、速度慢的问题,开展了基于音乐情感识别的舞台灯光控制方法研究,提出了一种基于支持向量机和粒子群优化的音乐情感特征提取、分类和识别算法。首先以231首MIDI音乐文件为例,对平均音高、平均音强、旋律的方向等7种音乐基本特征进行提取并进行标准化处理;之后组成音乐情感特征向量输入支持向量机（SVM）多分类器,并利用改进的粒子群算法（PSO）优化分类器参数,建立标准音乐分类模型;最后设计灯光动作模型,将新的音乐文件通过离散情感模型与灯光动作相匹配,生成舞台灯光控制方法。实验结果表明了情感识别模型的有效性,与传统SVM多分类模型相比,明显提高了音乐情感的识别率,减少了测试时间,从而为舞台灯光设计人员提供合理参考。     

基于模糊数学和神经网络的目标选择模型研究

目标选择模型是炮兵作战模拟研究的重要部分.根据目标选择需考虑的10个因素特点和其对目标选择的影响做了具体分析.在对目标选择考虑的因素进行量化时,采用模糊数学的方法,重点根据隶属函数的方法和原则来建立各单因素的隶属度函数并进行量化;在目标选择决策时,采用神经网络算法中的BP算法建立数学模型.并详细介绍了计算方法和步骤.最后,以某型自行火炮的目标选择过程为例,采用上述方法借助计算机进行仿真,其结果表明符合作战实际,证明使用模糊数学和神经网络的方法进行目标选择是正确和可行的.     

基于人工智能的情感模型建立

以OCC情感模型和心理学家Ekman的情感分类两大理论为基础，建立了一个机器人情感模型．本模型通过设计一系列通用型参数，来达到模型适用于多种环境的目的，例如虚拟游戏人物、智能玩具．此外，还引入了情感空间设计，并在情感空间中设计了一系列情感点，可以通过移动情感点或者修改情感点区域的大小，来达到改变情感模型性格特征的目的．     

基于遗传算法的智能模糊检索技术

在用户群模式挖掘及用户兴趣模式发现的基础上,用遗传算法设计实现了一种智能模糊检索系统,其比传统的模糊查询更能适应用户的潜在兴趣,并有利于电子商务营销策略的制定.     

模糊数学在网格信任模型中的应用研究

模糊数学是一门崭新的数学学科,而且是计算机科学向人类的自然机理方面发展的重大突破.网格是近十年来信息技术领域的热点研究课题.本文将模糊数学的理论知识用于网格信任模型、服务质量等级的判断上,使得用户信任度的评估更加准确、灵活、可靠.模糊语言变量是一种既能反应信任的模糊性又具有直观简洁特点的定量描述机制.它能够很好地描述网格的动态特性,为网格的信任模型发展提供理论支持.     

音乐评论的情感挖掘研究

在当今数字化与网络化时代,图像、音频和视频等多媒体内容已成为互联网信息高速公路上传送数据的重要部分,基于音乐情感的检索技术应运而生.音乐的群众情感则由大量的普通用户通过各种形式表达出来,其中论坛中带交互性的音乐评论则为典型的音乐情感表达形式.从海量Web文本信息中得到音乐的情感等属性并将结果合理地返回给依据情感搜索的用户是一个创新性的解决方案.实践结果证明,音乐论坛主题挖掘系统相对于目前的基于音乐本身的研究具有更大的合理性,对用户的搜索返回具有更强的说服力.     

模糊情感分析及其在E-learning系统中的应用

摘基于模糊数学,本文提出了用模糊数学的评价集方法对学习者进行综合评价,是模糊模式识别的一种新的扩展和应用,为拟人化和情感识别提供了一种新的研究思路。同时本文设计了一个具有情绪反应的智能Agent助理。根据以上提出的模糊情感识别,我们将模糊情感识别的结果应用于E-learning系统,从而实现了教学系统的人性化和智能化。     

基于情感向量空间模型的歌曲情感标签预测模型

音乐的情感标签预测对音乐的情感分析有着重要的意义。该文提出了一种基于情感向量空间模型的歌曲情感标签预测算法,首先,提取歌词中的情感特征词构建情感空间向量模型,然后利用SVM分类器对已知情感标签的音乐进行训练,通过分类技术找到与待预测歌曲情感主类一致的歌曲集合,最后,通过歌词的情感相似度计算找到最邻近的k首歌曲,将其标签推荐给待预测歌曲。实验发现本文提出的情感向量空间模型和“情感词—情感标签”共现的特征降维方法比传统的文本特征向量模型能够更好地提高歌曲情感分类准确率。同时,在分类基础上进行的情感标签预测方法可以有效地防止音乐“主类情感漂移”,比最近邻居方法达到更好的标签预测准确率。