不均衡数据集上文本分类的特征选择研究

文本自动分类是信息检索与数据挖掘领域的研究热点与核心技术.文本分类中数据集的不均衡问题是一个在实际应用中普遍存在的问题.如何在不影响整体分类性能的基础上,提高稀有类别的分类效果是解决不均衡数据集问题的基本要求.从特征选择的角度出发,提出选择具有较强类别信息的词条是提高稀有类别分类性能的关键.一般而言,具有较强类别信息的词条不是高频词,甚至有倾向于稀有词的趋势.提出了解决不均衡数据集问题的一个途径--构造形如DFICF的特征选择方法.在Reuters语料上进行实验,实验结果表明该特征选择方法的效果比IG,DF都要好,特别是在微平均指标上.从而表明该方法对稀有类别的分类效果有明显的改进.     

一种基于密度的自适应最优LDA模型选择方法

主题模型(topic models)被广泛应用在信息分类和检索领域.这些模型通过参数估计从文本集合中提取一个低维的多项式分布集合,用于捕获词之间的相关信息,称为主题(topic).针对模型参数学习过程对主题数目的指定和主题分布初始值非常敏感的问题,作者用图的形式阐述了LDA(Latent Dirichlet Allocation)模型中主题产生的过程,提出并证明当主题之间的相似度最小时模型最优的理论;基于该理论,提出了一种基于密度的自适应最优LDA模型选择方法.实验证明该方法可以在不需要人工调试主题数目的情况下,用相对少的迭代,自动找到最优的主题结构.     

文本分类中特征选择的约束研究

特征选择在文本分类中起重要的作用.文档频率(DF)、信息增益(IG)和互信息(MI)等特征选择方法在文本分类中广泛应用.已有的实验结果表明,IG是最有效的特征选择算法之一,DF稍差而MI效果相对较差.在文本分类中,现有的特征选择函数性能的评估均是通过实验验证的方法,即完全是基于经验的方法,为此提出了一种定性地评估特征选择函数性能的方法,并且定义了一组与分类信息相关的基本的约束条件.分析和实验表明,IG完全满足该约束条件,DF不能完全满足,MI和该约束相冲突,即一个特征选择算法的性能在实验中的表现与它是否满足这些约束条件是紧密相关的.     

基于隐马尔可夫模型的在线零售站点的自适应

开展在线零售业务存在的问题是,群体用户必须浏览许多无关的页面,才能最终找到自己所需要的商品.解决该问题的一个思路是:建立一个隐马尔可夫模型,通过关联规则发现算法发现关联购买集合;然后通过Viterbi算法求出从首页到一个关联购买集合中心的具有最大被购买概率的一些路径;在这些路径上标注关联购买集合;当处理完所有的关联购买集合之后,通过竞争来决定出现在导航页面上的物品集,最终将导航页合理地变成导航购买页.即站点可以自动根据群体用户的访问购买情况进行自适应.此外,该方法也是一种很好的通过建立隐马尔可夫模型来分析     

知识增益: 文本分类中一种新的特征选择方法

特征选择在文本分类中起重要的作用。文档频率(DF)、信息增益(IG)和互信息(MI)等特征选择方法在文本分类中广泛应用。已有的实验结果表明,IG是最有效的特征选择算法之一,该方法基于申农提出的信息论。本文基于粗糙集理论,提出了一种新的特征选择方法(KG算法),该方法依据粗糙集理论关于知识的观点,即知识是分类事物的能力,将知识进行量化,提出知识增益的概念,得到基于知识增益的特征选择方法。在两个通用的语料集OHSUMED和NewsGroup上进行分类实验发现KG算法均超过IG的性能,特别是在特征空间的维数降到低维时尤其明显,可见KG算法有较好的性能;     

导爆管式无起爆药雷管装药条件的试验研究

使用外径？6.0 mm,内径？3.5 mm,长度分别为30 mm、25 mm、20 mm 的钢内管,装填结晶太安（PETN）作为起爆元件代替起爆药,利用硼系高能点火药点燃,研究导爆管式无起爆药雷管的装药条件。试验研究表明,30 mm 钢内管装药密度为0.88～1.45 g/ cm3,25 mm 钢内管装药密度为1.27～1.41g/ cm3,内管中 PETN 能够可靠地发生燃烧转爆轰（DDT）。在装药压力为3.06 MPa 时,内管 PETN 发生燃烧转爆轰的点火药极限药量为76 mg。     

数据挖掘在音高变化规律学习中的应用

音高变化规律对合成高自然度的语音非常重要.为了提取音高即基频的变化规律,设计实现了数据挖掘系统SpeechDM,经过训练取得了较好的学习结果.该文介绍了国内进行的关于音高变化规则的研究情况以及数据挖掘技术,给出SpeechDM的系统结构,并介绍其主要模块,对实验结果进行了分析.     

基于对象和实例互操作行为模型的工作流研究

通过工作流程逻辑领域和活动领域的划分,建立了逻辑领域的过程对象和活动领域的活动实例局部互操作行为模型和全局互操作行为模型,并分别对这两个行为模型内部的互操作逻辑关系进行了分析和研究,从对象和实例集成的角度对工作流的运作机理进行了探讨,为实现工作流模型的扩展和行为活动的复用提供了理论基础。并通过实例对工作流过程对象和活动实例全局互操作行为模型的运作关系进行了阐述和说明。     

PDA和PC服务器间远程串行通信协议的设计与实现

1.导言近几年来,个人数字助理(PDA)由于其价格低、携带方便、操作简单等优点,应用领域越来越广。PDA在农业信息化和医疗保健等方面的应用给人们带来极大的方便,因而很受欢迎,易于推广。例如,在农业信息化方面,目前的农业专家系统基本上是基于PC平台上的,不便于带到田间地头直接指导农业生产,另一方面,我国大部分农村还不富裕,PC机的价格还难以承受,影响推广的范围。因此,就我国目前的状况,农村迫切需要便携式、系列化(包括低成本)的农业专家系统。基于PDA的便携式农业专家系统正好可以适应这一需求。但是,由于PDA运算能力不强且受存储容量不大等的限制,一些大的应用系统还不能在PDA上运行,需要将之放在远端的PC服务器上运行。这就需要研究和实现PDA和PC机之间的远程串行通信,以实现PDA端的专家系统服务请求与响应以及动态信息更新;另外,也可为今后实现PDA通过串口拨号上网     

点火药燃烧红外热成像技术的测试研究

选用3种高能点火药,利用全数字动态红外热像分析系统进行燃烧温度的测定,研究了高能点火药燃烧的温度场,得到了燃烧温度的时空分布、火焰大小的判读等.通过比较,掌握了3种点火药在不同组分下的燃烧温度变化规律及燃烧稳定性,得到3种点火药在不同磷铁比例时的最高燃烧温度.