OFDM系统中动态比特分配算法的性能分析

提出传输速率和传输性能一定条件下的动态比特分配算法系统模型,研究其在OFDM系统中的应用。分析和仿真计算结果表明,与传统的等比特分配方法相比,该动态比特分配算法可以显著地改善系统性能。     

SOC软硬件协同设计中多任务性能评估算法

在分析现有的性能评估方法之上,提出了用MTLS算法对软硬件划分结果进行性能评估,验证系统软硬件划分的优劣。并且针对单任务图描述多CPU系统结构的不足,提出采用多任务图来描述的方法。首先搭建了软硬件协同设计的平台并描述了软硬件协同设计的流程,其次对目标系统进行形式化的描述,最后重点阐述了多任务图的MTLS性能评估算法,并与MD,HNF,HLHET三种算法进行了比较。实验结果表明,提出的MTLS算法比其他三种算法优越。     

Self-Adaptive Topic Model： A Solution to the Problem of ＂Rich Topics Get Richer＂

The problem of ＂rich topics get richer＂（RTGR） is popular to the topic models,which will bring the wrong topic distribution if the distributing process has not been intervened.In standard LDA（Latent Dirichlet Allocation） model,each word in all the documents has the same statistical ability.In fact,the words have different impact towards different topics.Under the guidance of this thought,we extend ILDA（Infinite LDA） by considering the bias role of words to divide the topics.We propose a self-adaptive topic model to overcome the RTGR problem specifically.The model proposed in this paper is adapted to three questions：（1） the topic number is changeable with the collection of the documents,which is suitable for the dynamic data;（2） the words have discriminating attributes to topic distribution;（3） a selfadaptive method is used to realize the automatic re-sampling.To verify our model,we design a topic evolution analysis system which can realize the following functions：the topic classification in each cycle,the topic correlation in the adjacent cycles and the strength calculation of the sub topics in the order.The experiment both on NIPS corpus and our self-built news collections showed that the system could meet the given demand,the result was feasible.     

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。     

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。     

CSCW环境下协同设计并发控制算法的研究

并发控制是CSCW环境下协同设计中复杂而又关键的问题之一,分析几何信息模型对象特征之间的联系,建立特征之间的相交和约束关系。运用模糊数学分析方法,提出一种优先权限分配算法,给出版本管理的解决方案。设计和实现针对共享对象协同操作的一致性维护和并发控制算法,并通过实例验证算法有效性。     

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。     

基于主题情感联合分析的游客画像研究

网络文本作为现代游客承载感知和表达观点的载体,已成为游客画像构建与分析的重要数据来源。现有的自然语言处理技术在游客画像的挖掘过程中主要关注游客的需求和情感,缺少技术与旅游应用的有效衔接,然而现有的文本挖掘技术中文本的主题和情感通常被割裂分析,缺乏相互指向性,无法有效提取用户细粒度的意见。提出一种基于变分自编码的有监督主题情感联合分析模型。将词频权重引入到先验知识中,同时通过截断高斯模型构造变参数,有效捕获离散数据中的相关性,利用情感标签辅助主题的训练和生成,以提升主题挖掘及情感预测的准确率。通过变分自编码模型计算贝叶斯主题模型的后验分布,采用主题分布下的情感分类预测实现主题情感的联合分析。实验结果表明,当主题数为10~100时,该模型的情感预测平均准确率约为85%,相比LDA、SAGE、NVDM模型,能够有效挖掘酒店用户评论的特征。     

基于层次结构的网格资源管理系统

首先介绍当前的资源管理系统模型 ;然后根据网格资源的特点提出了具有层次结构的网格资源管理系统模型 ,对开发这种系统的关键技术作了探讨 ,其中包括资源管理流程、资源需求、资源提供、资源分配等几方面 ,并已在研制的网格资源管理系统JobCenter Grid中加以实现。     

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.