结合词性的短文本相似度算法及其在文本分类中的应用

针对基于语义的短文本相似度计算方法在短文本分类中准确率较低这一问题，提出了结合词性的短文本相似度算法(GCSSA)。该方法在基于hownet(“知网”)语义的短文本相似度计算方法的基础上，结合类别特征词并添加关键词词性分析，对类别特征词和其他关键词的词性信息给定不同关键词以不同的权值系数，以此区别各种贡献度词项在短文本相似度计算中的重要程度。实验表明，该算法进行文本相似度计算后应用于短文本分类中较基于hownet的短文本分类算法在准确率宏平均和微平均上提升4%左右，有效提高了短文本分类的准确性。     

基于余弦相识度的聚类算法在统计调查对象分类中的应用研究

对统计数据的研究往往采用无监督学习的聚类算法,而基于欧式距离的常规聚类算法不太适合统计数据,文章将常用于文本相似度计算的余弦相似度算法与聚类算法相结合,形成基于图形相似度的模糊识别算法,采用统计月度数据进行实验测试,证明能够实现企业分类,达到了研究目标。     

一种基于语义度量的知识本体映射方法

本体映射能很好地解决本体异构问题,其关键是相似度的计算。本文提出了一种将概念的语义相似度和相关度相结合度量的评估相似度算法。实验结果表明,该算法较好地解决了传统知识表示中定性概念之间相似性和相关性难以量化计算的问题,提高了相似度计算的准确度和精确度。     

基于模糊平均综合相似度的航迹关联算法

为了解决多传感器多机动目标的航迹关联问题,提出了基于模糊平均综合相似度的多传感器多目标航迹关联算法.该算法首先应用模糊理论建立了多传感器航迹关联问题的数学模型,提出用航迹间的整体平均距离进行粗关联,确定可能关联航迹,排除不关联航迹;然后利用模糊理论计算出可能关联航迹之间的模糊综合相似度,基于到当前时刻的全部模糊综合相似度,得出可能关联航迹的整体模糊平均综合相似度,建立模糊平均相似度关联矩阵;最后采用最大平均综合相似度和阈值判别原则,确定关联航迹.仿真结果表明,在目标密集、航迹交叉等情况下,该算法性能良好,关联正确率明显优于传统方法.     

基于最长公共子序列的非同步相似轨迹判断

针对非同步相似轨迹判断问题,提出了一种基于最长公共子序列理论的相似轨迹判断新算法。首先,求出查询轨迹线段与候选轨迹线段之间的距离;其次,利用最长公共子序列算法,计算两轨迹的最长公共子轨迹长度;最后,根据相似度门限,判断轨迹是否相似。数值实例验证了所提算法能够提高非同步轨迹的相似度。     

文本挖掘技术在新闻编辑中的应用研究

本文针对如何有效整合广播电视新闻信息,开发了一个新的新闻编辑方法,即使用文本挖掘技术对信息进行深入挖掘。利用网络爬虫技术获取广播电视新闻信息,用最大匹配法进行处理,通过广播电视新闻相似度检测模型,确定文本的相似度和重复度,从而实现信息分类。测试结果表明,基于文本挖掘的广播电视新闻编辑方法,能够在短时间内精准地分类新闻信息,确保新闻报道质量。     

基于情感紧密度的社交网络推荐算法

当前的社交网络推荐算法主要是基于内容相似度或者好友相似度进行推荐,忽略了社交网络中情感值计算;而基于NAS算法的紧密度计算属性边权值灵活度不高,因而紧密度计算不够准确,不能产生较为理想的推荐效果。针对上述两个问题,提出了基于情感紧密度的社交网络推荐算法,以达到社交网络推荐准确率的提高。实验证明,该方法在提高短号集团网络的推荐准确率方面较为理想。     

在线旅游信息推荐方法研究

在线旅游信息推荐是目前信息推荐的重要应用领域。在对已有旅游信息推荐方法进行梳理的基础上,提出了一种基于文本挖掘的在线旅游信息推荐方法。该方法从文本信息中提取旅游景点的内容特征,基于内容特征构建用户偏好模型,基于相似度计算实现旅游景点的推荐。实验表明,提出的方法可以取得较优推荐效果。     

选择性集成在有害藻类治理中的应用

本文提出了一种利用变相似度聚类技术来进行选择性集成学习的算法--SEC-Bagging Trees算法,并将其用于海洋或河流中有害藻类繁殖的控制和治理中。实验数据表明,该算法往往比其它学习算法具有更好的学习效果。     

非正交多址技术中利用对称矩阵的用户分组

现有非正交多址接入技术中，用户分组算法的实现首先对信道相似度门限值进行判断，选出候选成组用户；进而对候选成组用户的信道增益差进行比较，选出最优的成组用户。然而，上述分步求解算法中信道相似度门限值的设置存在一定的随机性，导致候选成组用户的选取不准确，从而影响分组结果，限制系统性能的提升。针对上述问题，提出利用对称矩阵的用户分组算法，对用户信道相似度进行非线性变换，而后将用户信道相似度和增益差线性求和构建成新的信道信息矩阵，进一步利用该矩阵的对称性进行求解。仿真分析表明该方法分组结果比设置门限的传统方法更优，在不同用户数目时系统容量均得到提升。在传统方法门限值为0.95时，所提算法系统容量在用户数为16时提升了13.4 Mb/s。     

融合多特征的图像检索算法

针对单一特征不能很好地表述图像的问题,提出了一种融合多特征的图像检索算法。首先,提取查询图像和图像库中样本图像的GIST（Generalized Search Tree)特征,用欧氏距离衡量图像间的GIST相似度值,根据查询图像的GIST特征在图像库中进行检索,将结果按相似度进行排序;然后,提取查询图像和返回结果中前k幅图像的尺度不变特征变换(SIFT)特征,使用BBF(Best Bin First)算法进行特征匹配;最后,通过特征点匹配点对数排序并返回检索结果。实验在改进的Corel1000数据集上进行,与传统的单特征图像检索算法对比,提出的图像检索算法不仅提高了检索准确率,而且获得了较好的检索效率。     

基于项目相似度计算改进的协同过滤算法

本文通过对传统相似度计算的分析,对传统相似度计算进行了改进,试验结果表明本文提出的相似度计算能够极大提高相似度计算的精确性,改善推荐精度。     

基于关键词组合向量模型的文本自动分类研究

本文描述了一种新的基于关键词组合模式的文本向量空间表示模型,相对于只使用文本中词语的频率的文本向量空间模型,这种新的模型在可以计算的前提下,使用了词语之间的相对位置信息,从而可以解决部分词语向量空间模型表示的不足。本文讨论了使用这种模型的自动文本分类系统,包括分类系统的结构、特征提取、文本相似度计算公式,并给出了评估方法。     

基于项目相似度计算改进的协同过滤算法

本文通过对传统相似度计算的分析，对传统相似度计算进行了改进，试验结果表明本文提出的相似度计算能够极大提高相似度计算的精确性，改善推荐精度。     

基于逆注意力机制和像素相似度学习的图像分割

针对图像语义分割中目标边界容易混淆、定位不准以及边界不平滑问题，在Deeplab v2 Resnet-101网络的基础上引入提出的逆注意层与像素相似度学习层，构造了一种新的语义分割的网络结构，并设计了注意力层和像素相似度学习层的损失函数。首先，使用Deeplab v2 Resnet-101网络提取图像语义特征；然后，利用提出的逆注意力层修正预测网络的分割结果，同时，利用提出的像素相似度学习层解决边界不够平滑的问题；最后融合两者分割的结果，得到语义分割的结果。在PASCAL-Context上取得了像素准确度76.2%、像素平均准确度59.7%、平均IoU(Intersection over Union)准确度指标49.9%的结果，在PASCAL Person-Part、NYUDv2、MIT ADE20K数据集上分别取得了平均IoU准确度指标69.6%、42.1%、44.38%的结果，与已有的主流方法相比，所提算法能够提升语义分割的精确度，验证了算法的有效性。     

基于批处理和核函数的非线性盲源分离算法

针对基于核函数的非线性盲源分离算法性能对核函数及其参数选择依赖性强这一问题 ,提出采用批处理方法代替聚类和核主成分分析方法来构造低维近似子空间的正交基,以 改进基于核函数的非线性盲源分离算法对核函数及其参数变化的稳健性,并对这种改进的非 线性盲源分离算法进行了完整的分析。通过仿真实验,对分离信号与源信号求相似度,可以 看到提出的基于批处理的非线性盲源分离算法能够取得更稳健、准确的分离效果。     

基于改进遗传算法的客户购买行为聚类

针对电子商务客户购买行为,构建客户——商品矩阵,度量客户购买行为相似度。基本遗传算法存在一定的缺陷,本文提出一种改进的混合并行遗传算法,结合k-means算法的高效性和局部搜索能力,以及并行遗传算法的全局优化能力,并运用该算法对客户购买行为聚类。实验结果表明该方法在客户行为聚类应用中具有较高的效率和精确度。     

移动网络环境下个性化信息推荐算法研究

随着全球定位系统的发展,移动网络环境下信息服务越来越受到用户的关注。目前,由于信息过载现象严重,个性化推荐算法可以自动为用户推荐其感兴趣的信息,并过滤掉冗余的信息。鉴于此,本文基于传统的协同推荐算法进行改进,提出了融合奇异值分解法和相似度计算法的协同过滤算法,实验结果表明,通过构建移动网络环境下的个性化信息推荐系统,取得了较好的推荐效果。     

一种新的基于SVM的文本分类增量学习算法

文本分类将自然语言文本按内容归入一个或多个预定义类别中,在许多信息组织和管理中都是一项重要的内容。不同算法的分类准确性各不相同。在文本分类领域,SVM分类器是一种常用且效果较好的分类器,具有较严密的理论基础。对SVM分类器进行了分析,提出了利用增量模式实现多类文本分类的算法。实验表明:增量方法大大减少新类增加时分类器更新所需要的学习步骤和时间,是一种较好的分类算法。     

基于用户兴趣的分组模型在电子图书馆检索中的应用研究

本文针对教育系统中的电子图书馆检索,提出了一个基于用户兴趣的分组模型。通过为电子图书馆访问用户划分不同的组,实现有的放矢的资源检索。论文采用LINGO聚簇算法进行资源主题的提取,然后通过相似度匹配的方式进行用户分组调整,以实现准确高效的电子信息资源检索。