粗糙集属性约简方法及其在医疗中的应用研究

针对基于可辨识矩阵核求取属性约简存在的空间与时间都不理想的问题,提出一种新的基于粗糙集的属性约简启发式算法。该方法不直接构造及存储可辨识矩阵,而且在核不存在的情况下,也能取得较好的起点核心集,将获取矩阵元素及得到核心元素同步进行,并加入了对属性集频率的综合考虑。同时,将此方法应用于医疗诊断决策,并对属性约简前后的决策性能进行了分析。实验结果表明,利用约简后的属性集,计算复杂性降低,同时保持高的决策准确率,算法是有效的。     

基于改进的RS-GA图像特征选择方法

针对目前图像识别中原始特征数量大、不相关特征多以及冗余等现象,提出了一种图像特征选择方法。将遗传算法(GA)与粗集(RS)思想有机结合进行特征选择,引入粗集中相关属性依赖度的定义,设计了适应度函数和遗传算子,以提高算法时间效率和获得最佳搜索结果,并将该特征选择方法应用于图像,实验表明,基于改进的RS-GA图像特征选择方法达到了较好的效果,并具有较高的算法效率。     

RNA二级结构预测的支持向量机模型研究

RNA二级结构预测问题是生物信息学的一个研究重点,本文主要利用支持向量机(SVM)模型来研究RNA 二级结构预测问题.通过改进NSSEL标签[4],形成了能表示平面伪结结构的E-NSSEL标签,该标签作为SVM模型输出端的类别标识,因此,测试序列经过SVM模型预测后得到相应的E-NSSEL序列,该序列可以恢复为二级结构.此算法能有效地解决传统算法中存在的时间复杂性的问题和长链分子的预测问题.     

基于支持向量数据描述算法的SVM多分类新方法*

提出一种基于支持向量数据描述算法(SVDD)的多分类方法(S-MSVM).受SVDD的启发,该方法对每类样本建立一个超球来界定,但训练好的超球在所有情况下都是相交的.选择相交区域的样本单独建立超球,重复该步骤,直到相交区域消失或相交区域内没有样本点.给出了该方法的时间复杂度分析,并通过实验验证了该方法具有相对较好的训练精度.     

产品特征的层次关系获取

产品评论挖掘用来对用户发表到网络上的众多评论内容进行信息提取,从而获得用户对产品的部件或功能的褒贬评价。现有的产品评论挖掘研究中没有对上下位的特征、同一特征的不同词语表达进行处理。首先对厂家规格说明文档的结构化表示进行挖掘获得厂家规格特征及其关系,再使用Bootstrapping弱监督方法从网站编辑评测文章中抽取出用户的描述特征及与规格特征之间的层次关系。应用该方法在手机领域的产品特征关系进行了抽取,实验结果显示获得的产品特征之间的层次关系很好的效果。     

基于遗传算法改进诗词风格判别的研究

本文对诗词采用向量空间模型来表示,基于机器学习中的朴素贝叶斯等方法,首次提出了古典诗词的豪放和婉约风格判别计算模型,并用遗传算法对模型进行改进,取得较好的诗词风格判别结果。该模型已经在精典诗词语料的机器学习基础上得以实现,并且获得较好的诗词风格判别效果。     

基于语义角色的实体关系抽取

提出一种实体关系抽取方案,该方案根据实体关系抽取的特点,在常用特征基础上新增语义角色特征用于构建特征向量,并利用支持向量机构造分类器。在SemEval-2010评测任务8提供的数据上进行实验,在判断候选实体对的关系类型上F1值达到81.6%,与未加入语义角色特征相比提高4%,结果表明该方案语义角色特征有利于实体语义关系抽取。     

RNA二级结构预测SVMs模型研究

扩展NSSEL标签,对RNA分子中的stem-loop结构和伪结结构进行标记.将RNA分子序列中的碱基编码输入,经过支持向量机(support vector machines,SVMs)模型计算输出相应的结构标记.该模型经过训练后,待预测的RNA分子序列可得到对应的结构标识序列,这些标识序列可通过特定算法,唯一构建包括伪结在内的二级结构.实验结果表明,该算法在可接受的预测精度范围内具有较低的计算复杂度,克服了传统算法计算时间过长,无法在有限时间内得到有效结果的缺点.     

多总线结构的容错性研究

本文提出了适用于大型并行／分布系统的两类综合指标较优的容错多总线结构，提示了此类结构固有的广泛存在性。     

基于依存关系分析的网络评论极性分类研究

介绍一种利用句法依存关系对网络评论的极性进行自动分类的方法。通过从评论中提取出依存关系和词性,构成依存关系词性对,并利用自定义的极性词典进行分类,有效地减少计算的复杂度和提高分类的精度。实验表明,该方法相比其他方法取得了较好的分类效果,是一种可行且有效的对评论极性分类的方法。