融合词语类别特征和语义的短文本分类方法

针对短文本内容简短、特征稀疏等特点,提出一种新的融合词语类别特征和语义的短文本分类方法。该方法采用改进的特征选择方法从短文本中选择最能代表类别特征的词语构造特征词典,同时结合利用隐含狄利克雷分布LDA主题模型从背景知识中选择最优主题形成新的短文本特征,在此基础上建立分类器进行分类。采用支持向量机SVM与k近邻法k-NN分类器对搜狗语料库数据集上的搜狐新闻标题内容进行分类,实验结果表明该方法对提高短文本分类的性能是有效的。     

硬岩地下矿山优化决策的新途径

矿山开采是一复杂的过程,其全局优化决策可视为一个复杂的大系统。本文针对地下矿山优化决策的特点,指出开展智能决策支持系统的研究是硬岩地下矿山优化决策的一条新途径,阐述了矿山优化决策智能决策支持系统的设计原理和系统组成。     

三种主题分割方法的对比研究

文本分割在信息提取、文摘自动生成、语言建模、首语消解等诸多领域都有极为重要的应用。基于PLSA及LDA模型的文本分割试图使隐藏于片段内的不同主题与文本表面的词、句对建立联系,而基于小世界模型的分割则依据小世界模型的短路径、高聚集性的特点实现片段边界的识别。从模型的特点、分割策略以及实验结果等角度对基于三种模型的分割进行对比。分析表明,基于LDA模型的分割比基于PLSA模型的分割具有更大的稳定性,且分割效果更好。基于小世界模型的分割策略更适合小世界模型特性明显的文本。     

Efficient location and allocation strategies for undesirable facilities considering their fundamental properties

The phrase “not in my backyard” (NIMBY) refers to the well-known social phenomena in which residents oppose the construction or location of undesirable facilities near their homes. Examples of such facilities include electric transmission lines, recycling centers and crematoria. Due to the opposition typically encountered in constructing an undesirable facility, the facility planner should understand the nature of the NIMBY phenomena and consider it as a key factor in determining facility location. We examine the characteristics of NIMBY phenomena and suggest two alternative mathematical optimization models with the objective of minimizing the total degree of NIMBY sentiments. Genetic algorithms are proposed to solve our linear and nonlinear integer programs. The results obtained via genetic algorithms for our linear integer programs are compared with those of CPLEX to evaluate their performance. The nonlinear programs are tested with various allocation policies. Sensitivity analysis is conducted about several system parameters.     

齿轮传动的CAD软件

在机械传动装置中,广泛地应用着齿轮传动。外啮合圆柱齿轮、内啮合圆柱齿轮、圆维齿轮和蜗轮蜗杆传动是齿轮传动的基本形式。我们在长期工作研究的基础上,建立了一套CAD软件。该软件可自动进行以上四种传动形式的优化设计,可通过人机交互完成齿轮的结构设计,用有限元分析计算齿轮的强度,并可在绘图机上绘制齿轮的工作图。该软件适用性强、使用方便,经过简单的修改便可用于其它机械产品的CAD。     

一种基于上下文的医学图像ROI分类方法

感兴趣区域(ROI)的分类是医学图像的计算机辅助诊断过程的最后一步,传统方法只针对每个ROI区域单独提取特征,再利用统计学习的方法训练分类器进行分类.然而图像中每个区域所包含的视觉特征有限,很难进行准确的分类.文中提出一种基于LDA主题模型的改进模型(LDAC),考虑ROI周围区域,即图像的上下文关系,通过利用LDA对ROI周围区域所包含的上下文信息进行建模,同时结合ROI区域的视觉信息和类别标签,从而辅助ROI区域的分类,以达到提高分类准确率的目的.乳腺图像肿块分类实验表明,文中方法可提高分类的准确性.     

基于LDA模型的文本分类研究

针对传统的降维算法在处理高维和大规模的文本分类时存在的局限性,提出了一种基于LDA模型的文本分类算法,在判别模型SVM框架中,应用LDA概率增长模型,对文档集进行主题建模,在文档集的隐含主题-文本矩阵上训练SVM,构造文本分类器。参数推理采用Gibbs抽样,将每个文本表示为固定隐含主题集上的概率分布。应用贝叶斯统计理论中的标准方法,确定最优主题数T。在语料库上进行的分类实验表明,与文本表示采用VSM结合SVM,LSI结合SVM相比,具有较好的分类效果。     

FiWi网络比例公平和QoS感知的分级动态带宽分配机制

光纤网络和无线接入技术结合的FiWi网络可提供高容量、灵活以及低基础设施成本的无线接入能力。由于FiWi网络中客户端业务量一般具有不稳定性,很难提前有效预测,高效公平的动态带宽分配(DBA)机制具有重要作用。该文针对EPON和WLAN构成的FiWi网络提出一种分级DBA机制。引入剩余带宽比例因子解决多个轮询周期内各用户分配的带宽资源与其权值不匹配而产生的不公平问题;联合考虑业务优先级、带宽请求比例和网络负载解决带宽分配中的业务QoS保证和信道带宽浪费问题。仿真实验表明,与现有文献的DBA机制相比,系统公平性、吞吐量和信道利用率有明显提升。且所提DBA算法不限定具体带宽资源类型,具有良好通用性。     

基于有限元方法的液体火箭发动机机架优化设计

采用ANSYS有限元分析软件提供的优化方法对液体火箭发动机机架的优化问题进行了分析,提出了机架优化设计的一般流程,使用ANSYS的APDL语言编写了机架优化设计分析程序,通过对优化程序的研究,获得了某型号发动机机架的最优化结果,优化后的质量比初始设计质量大大的减轻.     

Optimizing microencapsulation of peanut sprout extract by response surface methodology

This study was carried out to optimize conditions for peanut sprout extract microencapsulation by response surface methodology (RSM). The coating materials of microencapsulation were medium-chain triacylglycerol (MCT) for primary emulsion, and whey protein concentrates (WPC), maltodextrin (MD) and gum Arabic (AG) for secondary emulsion. The yield of microencapsulation of peanut sprout extract was investigated with respect to four variables (ratio of core and coating materials, concentration of primary emulsifier, ratio of W/O emulsion and secondary coating materials and concentration of secondary emulsifier) in RSM. The optimal conditions for microencapsulation of peanut sprout extract were 1:2 as the ratio of core material to coating material, 1.25% (w/v) of primary emulsifier concentration, 1:1.23 as W/O emulsion to secondary coating material, 1.21% (w/v) as secondary emulsifier concentration and 30% (w/w) as WPC concentration for spray drying. In conclusion, the microencapsulation of peanut sprout extract under the optimized conditions by RSM ensures the smaller size (3–7 μm) of microcapsules with the highest yield reaching to 98.74%.