基于机器学习的剧本角色情感识别研究

针对DataFountain平台举办竞赛所提供的剧本角色情感数据集,采用中文分词、去停用词和绘制词云图等工具对数据进行预处理,利用词频-逆向文档频率(TF-IDF)算法提取文本特征,分别建立了基于支持向量机和朴素贝叶斯算法的机器学习分类识别模型。将建立的新模型应用于剧本角色情感的识别和分析研究,结果表明,朴素贝叶斯分类模型的识别效果要优于支持向量机分类模型;并且,当拉普拉斯平滑系数α=0.2时,朴素贝叶斯算法的分类准确率接近于80%。     

基于Smo-PinSVM的含新能源电力系统暂态稳定评估

引入分位数概念来改善评估稳定性,并采用序贯最小优化策略来提高计算速度.首先,采用新能源和系统特征构建表征电力系统暂态稳定性的原始特征集,有效表征新能源接入对暂态稳定性的影响;然后,引入分位数来改变稳定类与不稳定类的最近点位置,降低由于新能源的波动性和不确定性对评估稳定性的影响,进而引入序贯最小优化策略,将弹球损失支持向...     

基于出行成本和步行可达性的苏州市中心城区社区公园布局评价研究

科学评价社区公园布局现状是实现合理优化的基础,对促进社区公园服务均等化,满足人民群众对美好生活的需要具有现实意义。以多源数据为支撑,从出行成本和步行可达性层面,遴选4个评价指标,并引入Critic-熵权法解决指标互相联系且冲突的难题,以苏州市中心城区为例,实现对其社区公园布局的科学评价。研究表明：（1）苏州市中心城区的社区公园布局水平较差,社区公园与居民呈离散状态,人均出行成本较高且出行成本差异较大,人均可达性较高但在空间维度上可达性表现出明显差距。（2）市辖区的社区公园布局水平呈现：相城区>工业园区>吴中区>姑苏区>高新区的状态。出行成本层面,各市辖区差异显著;可达性层面,各市辖区无明显差异,水平均较差。以期为丰富社区公园布局的评价方法,为客观掌握其现状水平提供参考,为其合理优化提供理论依据。     

面向5G Massive MIMO的无线网智能规划研究

传统基于人工经验规划的方法已不能满足5G网络精准规划的需求,急需引入基于大数据分析的5G无线网智能规划方法,本文利用在线地图爬虫得到覆盖场点区域库,采用聚类算法进行5G弱覆盖区域的判定与弱覆盖区域站址规划,以及Massive MIMO广播波束权值规划,熵权法的价值区域预测等几个维度,为5G无线网规划提供高效支撑.     

医学诊断中集成学习技术的研究

计算机辅助医学诊断是机器学习技术的一个重要实践,但是在医学诊断中一个重要影响因素来自于数据集中的冗余特征。为了消除诊断中冗余特征对集成学习方法的精度的影响,文章提出了一种PCA-FS-Bagging算法,利用主成份分析进行特征变换来解决这个问题,算法在三个医学诊断数据集上与其它算法比如单个支持向量机、支持向量机Bagging集成等进行了性能比较,结果显示了PCA-FS-Bagging算法具有较好的性能。     

基于轻量化网络的疲劳驾驶检测

针对疲劳驾驶检测要求精度高、实时性、鲁棒性等特点,提出一种基于轻量化网络的疲劳驾驶检测模型.采用Faceboxes进行人脸定位,通过PFLD(praclical facial landmark detector)检测人脸关键点以获取眼部、嘴部区域图像和头部姿态;然后,基于Xception的模块化思想,设计眼、嘴状态分类网络,准确率分别达到99.61%、97.58%;最后,分别计算基于时间序列的眼部、嘴部及头部疲劳表征参数,采用支持向量机（Support Vector Machine,SVM）进行疲劳判定.经实验表明：疲劳检测准确率达到98.3%,速率为47 fp/s,模型大小为7.1 Mb.在保留整个模型轻量化的同时,兼顾准确率和实时性,可应用在嵌入式系统或低算力设备中.     

青藏高原湖泊智能提取系统

青藏高原分布着全球海拔高、数量多、面积大的高原湖泊群,这些湖泊的变化能够真实地反映出区域的气候与环境状况。科学地分析湖泊演变规律将为区域环境与气候的研究提供关键的数据支撑。在以往的相关研究中,基于湖泊水域面积的分析方法大多利用ENVI等相关软件进行处理,处理过程较繁琐,需要耗费大量的时间。文中基于以上问题,设计与实现了青藏高原的湖泊水域面积提取系统,该系统充分利用地理信息及遥感技术,结合经典机器学习算法支持向量机（SVM）、决策树对湖泊水域进行智能提取,实现对青藏高原湖泊群水域面积的统计,揭示出其演变规律。通过实验分析得出,在2016年到2020年,青藏高原湖泊的面积呈增长趋势,与前人的研究保持一致,为湖泊水域面积的提取提供了技术参考和实现方法。     

突发事件中基于支持向量机算法的文本分类研究

近些年来突发事件的频发使得人们对该领域的关注越来越多,因此对突发事件进行自动分类的研究,以提高文本分类的效率。在构建突发事件领域专用停用词表的基础上,基于TF-IDF(term frequency–inverse document frequency)特征提取方法和支持向量机文本分类算法,对上海大学突发事件语料库中的332篇文本进行分类。由算法得出的训练模型可以较好地完成突发事件的文本分类任务,由此更为快速和精确的获取到目标文本,减少人工的工作量。     

基于半监督学习的蛋白质相互作用预测模型

基于有监督学习的预测模型在预测过程中存在以下缺陷:一是过分依赖训练集中有标签样本的数量,导致分类精度受有标签样本数量多少的制约;二是其预测分类一次完成,导致大量的无标签样本无法用来修正分类器的预测精度,大量数据信息被浪费,从而影响分类性能.针对以上问题,该文提出一种基于AP聚类与Renyi熵融合的自训练半监督相关向量机...