中文问句分类特征的研究

针对"不同的问句分类特征对问句分类的影响不相同,提取和处理这些特征的时间复杂度也不相同"的问题,提取问题疑问词、核心关键词(疑问词的一二级依存词和问句中心语)的主要义原、核心关键词的首义原、问句主谓宾的主要义原、命名实体、名词单(复)数等六种分类特征,采用支持向量机分类算法,对事实疑问句进行不同特征组合的分类对比实验,发现采用词义消岐技术提取的主要义原不仅对分类的准确率影响明显,而且大幅降低特征向量的维数,减少了处理时间。     

数据挖掘在PACS系统中的应用

PACS系统在医院得到越来越广泛的应用，大量的图像和文本资料存贮在PACS数据库中。这些海量数据仅仅是一些“数据”的集合，而不是“信息”或者“知识”的集舍。本文将数据挖掘技术与PACS系统结合，通过处理PACS系统中的各种病案资料，从“数据”中获取有用知识的集合，为医生的辅助诊断提供了智能的决策支持。     

Ordinal Regression for Information Retrieval

This letter presents a new discriminative model for Information Retrieval （IR）, referred to as Ordinal Regression Model （ORM）. ORM is different from most existing models in that it views IR as ordinal regression problem （i.e. ranking problem） instead of binary classification. It is noted that the task of IR is to rank documents according to the user information needed, so IR can be viewed as ordinal regression problem. Two parameter learning algorithms for ORM are presented. One is a perceptron-based algorithm. The other is the ranking Support Vector Machine （SVM）. The effectiveness of the proposed approach has been evaluated on the task of ad hoc retrieval using three English Text REtrieval Conference （TREC） sets and two Chinese TREC sets. Results show that ORM significantly outperforms the state-of-the-art language model approaches and OKAPI system in all test sets; and it is more appropriate to view IR as ordinal regression other than binary classification.     

快速原空间孪生支持向量回归算法

孪生支持向量回归(TSVR)通过快速优化一对较小规模的支持向量机问题获得回归函数。文中提出在原始输入空间中采用Newton法直接优化TSVR的目标函数,从而有效克服TSVR通过对偶二次规划问题求得近似最优解导致性能上的损失。数值模拟实验表明该方法不仅能提高TSVR的性能,并且可降低学习时间。     

基于EMD的改进MFCC的语音情感识别

人在不同情感下的语音信号其非平稳性尤为明显,传统的MFCC只能反映语音信号的静态特征,经验模态分解能够精细地刻画语音信号的非平稳特性。为提取情感语音的非平稳特征,用经验模态分解将情感语音信号分解为一系列固有模态函数分量,通过Mel滤波器后取其对数能量,进行DCT反变换后得到改进的MFCC作为情感识别的新特征,采用支持向量机对高兴、生气、厌烦和恐惧等四种语音情感识别。仿真实验结果表明：改进的MFCC识别率达到77.17%,在不同的信噪比下,识别率最大可提高3.26%。     

混合核函数SVM在变压器状态评估中的应用

核函数是SVM(Support Vector Machine,支持向量机)的重要组成部分,核函数的选取对分类效果有明显的影响。该文把混合核函数引入到变压器状态评估中。实例分析表明,混合核函数支持向量机提高了状态评估的准确率。     

支持向量机在仓储物害虫分类识别中的应用研究

仓储物害虫自动分类识别是储粮生态系统中的重要研究课题之一。近年来，支持向量机以其出色的学习性能，已成为机器学习领域的一个研究热点。本文在研究支持向量机理论的基础上，将支持向量机引入仓储物害虫的分类识别中。实验表明，该方法与传统的神经网络方法相比，克服了后者固有的过学习和欠学习问题，并且对复杂模式的识别能力较强，达到了较高的识别率，这为仓储物害虫的快速鉴定和分类研究开辟了新的途径。     

一种构造系数的自相关函数特征提取算法

由于遥感影像具有数据量大、维数高和不确定性等特点,遥感影像的分类已经远远超出了人的分析和解译能力,为了达到理想的分类效果,提取深层次空间结构信息的需求越来越强烈。根据各类样本的均值和方差构造加权系数,对样本的自相关函数进行加权,提出1种新的自相关函数特征提取算法,以改善样本不足造成的分类精度较低问题;采用支持向量机方法,对新的样本数据进行训练与分类性能研究。实验结果表明分类精度提高,在一定程度上能够反映遥感影像的深层次空间结构信息,验证了此算法的有效性与可行性。