自然语言文本中不确定性信息的自动识别

自然语言中存在大量不确定的表述,针对此类信息的检测任务是信息抽取领域的研究热点之一,然而,面向中文的不确定信息检测研究仍然比较匮乏,利用支持向量机(Support Vector Machine,SVM)能够很好的解决非线性、高维数、局部小样本等实际问题的优势,将中文不确定性信息识别问题转化为分类问题,通过在复旦大学发布的中文不确定性检测数据集语料上的实验,验证了本文提出的基于SVM的中文不确性信息检测方法的有效性,相比于句子评分模型,我们的系统取得了更好的召回率.     

基于BRITE的向量地址平均长度仿真研究

本文主要就向量地址平均长度问题进行建模与仿真。向量网很好地解决了IP网络地址枯竭的问题,但由于向量地址是不定长的,因此对向量地址平均长度的研究成为评价向量网效率的一个重要方面。本文利用BRITE网络拓扑生成器,分别利用Waxman随机图模型和BA无标度模型,针对不同节点和边数的网络拓扑进行仿真实验,并对不同实验结果进行对比与分析。实验结果表明,向量地址平均长度会随节点数增长而增长,但在较大规模网络拓扑中,向量地址平均长度远远小于IP地址长度。     

基于DE-EDA-SVM的瓦斯浓度预测建模仿真研究

瓦斯浓度作为衡量煤矿瓦斯危害程度的一个重要指标,为了能够更加准确的预测煤矿瓦斯的浓度,提出一种差分进化-分布估计（DE-EDA）算法优化的支持向量机瓦斯浓度预测新方法。利用无线传感网络系统采集工作环境中的瓦斯浓度数据,并经过降噪处理后作为训练样本。采用DE-EDA算法对SVM模型的惩罚参数C、损失参数ε以及径向基参数γ进行优化,利用优化后的模型进行瓦斯浓度的预测。通过MATLAB软件仿真可以得出,所采用的优化模型能够准确的预测煤矿瓦斯浓度的变化趋势。并与经过粒子群（PSO）算法优化的预测模型相比较。结果表明,经过DE-EDA算法优化的SVM模型具有训练速度更快、预测更准确的特点,为实际煤矿瓦斯浓度的预测和处理提供了更加可靠的理论基础。     

高光谱影像的BDT-SVM地物分类算法与应用

面对海量数据的特征空间高维性及训练样本的有限性,高光谱遥感影像若采用常规统计模式的分类方法难以获得较好的分类结果。因此探讨支持向量机(SVM)分类器的基本原理,针对EO-1Hyperion高光谱影像的分类特点及现有多类SVM算法所存在的训练时间长及分类精度低等问题,引入二叉决策树SVM(BDT-SVM)分类算法,并提出一种新的类间分离度定义方法及相应的客观确定二叉树结构的策略,由此生成改进的BDT-SVM算法。实验结果表明:与其他多类分类方法相比,基于改进的BDT-SVM算法的高光谱影像地物分类效果更好,总体精度达到90.96%,Kappa系数为0.89,该算法还解决了经典SVM多类分类可能存在的不可分区域问题。     

一种改进的融合关联词典的微博倾向性分析方法

大多数研究者对微博倾向性分析过多关注的是情感词、形容词和否定词,忽略了 关联词对其情感倾向的影响。为了提高微博情感倾向性分析的准确率,提出了融合关联词的微博倾向性分析方法,考虑微博文本中形容词、程度副词以及关联词之间的组合关系。 本文充分考虑了关联词的结构特点并在已有词典的基础上构建专门用于微博倾向性分析的微博词典、否定词词典和关联词词典,同时考虑到网络新词对微博倾向性的影响,还构建 了一个全新的网络新词词典。借助支持向量机（Support vector machine,SVM）将微博文本分为负向、正向和中性3 类,通过结合情感词典和SVM的方法提高微博文本倾向性分析的准确率。通过对COASE 2014 数据实验可以表明,本文方法对微博倾向性分析取得了较好的效果。     

一种基于Matrix的QR分解向量化方法

提出一种基于Matrix的Givens旋转的QR分解向量化方法。针对Matrix的体系结构特点,对向量数据访存和计算进行优化,使计算均衡分布到各个向量处理单元;设计双缓冲DMA的数据传输策略,使得内核的计算与DMA数据搬移的时间完全重迭,内核始终处于峰值计算,从而取得最佳的计算效率。实验结果表明,该方法能够取得较高的计算效率和性能加速比。     

多目标粒子群优化的非线性预测解耦策略北大核心CSCD

针对非线性预测控制中,系统建模和目标函数求解的问题,提出了一种基于粒子群优化的非线性预测控制策略(PSO-NPC)。首先,将时间因素引入到即时学习算法中,提高了基于即时算法的最小二乘支持向量机(LS-SVM)对非线性系统的建模精度。其次,针对单目标优化的常规PSO-NPC算法不足之处,将系统的第一步预测和最后一步预测输出作为主要优化目标,提出了多目标粒子群优化的非线性预测算法。最后,将目标函数中的误差权重作为粒子群优化的目标,根据系统耦合程度自适应调整误差权重,消除了系统回路之间耦合。仿真结果验证了改进算法的可行性和有效性。     

基于门限的云计算数据隐私保护模型研究

云计算数据隐私保护已成为亟待解决的问题。本文提出了一种基于门限的云计算数据隐私保护模型,采用基于矩阵和向量的特殊的(n+1,t+1)秘密共享方案。方案把矩阵的每一行当成一个向量作为成员的子密钥,利用向量的线性相关性和线性无关性来求一个密钥矩阵的秩。拥有这些线性无关向量的t个云服务提供商和数据所有者共享密钥矩阵。根据获得的密钥,采用基于角色的授权机制,对相应的角色进行数据操作授权,最后对该模型的安全性进行了分析。     

克隆选择算法及其在汽油辛烷值预测中的应用

辛烷值是汽油品牌划分和汽油抗爆特征划分的重要参数,传统实验室分析方法具有费用高、操作复杂、操作时间长等问题。针对传统方法面临的诸多问题,该文在近红外光谱分析分析的基础上,采用基于克隆选择方法优化的SVM预测汽油辛烷值。仿真结果表明,该方法操作简单,预测准确,为汽油辛烷值预测提供了一种新的方法。     

基于全文检索的文本相似度算法应用研究

在大量的文本数据中,针对不能快速有效地提取或查找有用信息及知识这个问题,以文本相似度计算为基础的文本数据挖掘成为数据挖掘研究领域里的一个重要的课题。论文主要研究两种不同的方法 VSM余弦算法和Simhash来实现文本相似度的计算,首先采用传统的VSM余弦算法和Simhash算法,按照余弦公式通过内积最终计算出文本间的相似度大小n(0相似文献