基于推拉策略的文本分类增量学习研究

学习算法是否具有增量学习能力是衡量其是否适合于解决现实问题的一个重要方面。增量学习使学习算法的时间和空间资源消耗保持在可以管理和控制的水平,已被广泛应用于解决大规模数据集问题。针对文本分类问题,本文提出了增量学习算法的一般性问题。基于推拉策略的基本思想,本文提出了文本分类的增量学习算法ICCDP,并使用该算法对提出的一般性问题进行了分析。实验表明,该算法训练速度快,分类精度高,具有较高的实用价值。     

竞争层结构可调SOM网络在中药模式识别中的应用

针对经典SOM算法无法准确反映原始数据的特征信息,提出了竞争层结构可调的SOM算法——CSA—SOM算法。该算法增加了竞争层神经元动态调节的步骤,调节的依据是不断比较原数据的位置信息和映射后低雏空间的位置信息,使两者最终能趋于一致。因此降维后的数据能够较好地保持原数据的特征,包括距离信息、角度信息以及分布信息。该算法有效地实现了红景天药材的准确清晰分类。算法理论分析和实验结果均表明,CSA—SOM算法是一种快速、准确的数据内在规律映射可视化算法,与SOM算法相比,CSA—SOM算法的特征映射效果比较好,解决了SOM算法会使映射后数据结构发生扭曲的问题。     

中文词语语义相似度计算——基于《知网》2000

词语语义相似度的计算,一种比较常用的方法是使用分类体系的语义词典(如Wordnet)。本文首先利用Hownet中“义原”的树状层次结构,得到“义原”的相似度,再通过“义原”的相似度得到词语(“概念”)的相似度。本文通过引入事物信息量的思想,提出了自己的观点: 认为知网中的“义原”对“概念”描述的作用大小取决于其本身所含的语义信息量;“义原”对“概念”的描述划分为直接描述和间接描述两类,并据此计算中文词语语义相似度,在一定程度上得到了和人的直观更加符合的结果。     

一种改进的Wu-Manber多关键字匹配算法

针对Wu-Manber算法在处理公共子后缀模式情况下的不足,该文提出了一种基于非空公共子后缀模式的处理算法。该算法把有非空公共子后缀的模式汇集在一起,进一步减小了next链表的平均长度。在匹配过程中减少了字符比较的次数,从而提高算法的运行效率。该文对搜狗实验室给出的相关文档进行全文检索实验,并和原Wu-Manber算法、孙晓山等提出的改进算法进行比较。实验结果表明,该文提出的改进算法有效地减少了匹配过程中字符比较的次数,从而提高匹配的速度和效率。     

汉字的线性分类实验

本文通过实验研究了在汉字识别中应用线性分类器的可能性,考察了汉字之间的线性可分性。实验使用了两种主要的线性分类器: Fisher线性判别和感知器。实验检验每一对汉字的线性可分性。实验结果表明,汉字之间的线性分类性是相当好的。尤其是Fisher线性判别,不能成功线性分类的汉字仅占百万分之4.25 。这显示了在汉字识别中应用线性分类器是有着巨大的潜力的。同时,线性分类实验结果还可用来检验所选取特征的好坏,有利于客观的评价特征。     

拉曼光谱在中药注射剂鉴定中的应用初探

分析了中药注射剂的重要作用,探讨了利用拉曼光谱进行中药注射剂鉴定的可行性。运用拉曼光谱检测了中药灯盏花素注射剂和红花注射剂,并对其拉曼谱图进行了分析。灯盏花素注射剂和红花注射剂的拉曼谱图中虽然荧光背景很强,但依然包含了不少有用信息,这表明利用拉曼光谱鉴定中药注射剂是可行的,但是测量技术和技巧还有待进一步提高。     

马克思恩格斯关于俄国社会发展道路问题的理论

马克思恩格斯关于俄国社会发展道路研究体现了他们一贯坚持的科学历史观和方法论。在他们看来,世界历史进程的统一性是客观存在的;世界是一个相互联系的整体,特别是到了资本主义时代,一个民族国家的社会发展道路受到历史环境的重要影响;在历史发展进程中,历史规律具有支配性作用,但人在历史规律面前绝不是无能为力的;历史的进步最终表现为物质生产方式的进步。马克思恩格斯关于俄国社会发展道路的理论对于指导中国特色社会主义建设具有重要的指导意义。     

Rhizopus chinesis在新型白酒中的应用

市场上部分新型白酒口感上香和味分离,浮香突出,质量不稳定,严重败坏了新型白酒的名声.研究重点为应用华根霉(Rhizopus chinesis)技术即采用生物酯化的方法合成香料,生产调味酒,代替化工合成香料,解决新型白酒浮香味,通过洋河试验酒与市售中档酒的比较,找出提高新型白酒质量的措施.     

激光处理对油松种子活力指数的影响

用激光分别处理油松干、湿种子,干种子发芽率与活力指数分别为对照组的 １３６％ 和 １６７％ ,浸水 ３６ｈ后的湿种子发芽率与活力指数分别为对照组的 １３７％ 和 １５９％ 。     

改进主题模型的短文本评论情感分析

使用传统的主题模型方法对医疗服务平台中的评论等短文本语料进行主题模型的情感分析时,会出现上下文依赖性差的问题。提出基于词嵌入的WLDA算法,使用Skip-Gram模型训练出的词w*替换传统的LDA模型中吉布斯采样算法里的词w`,同时引入参数λ,控制吉布斯采样时词的重采样的概率.实验结果证明,与同类的主题模型相比,该主题模型的主题一致性高.