多尺度卷积循环神经网络的情感分类技术

结合卷积神经网络对于特征提取的优势和循环神经网络的长短时记忆算法的优势,提出一种新的基于多尺度的卷积循环神经网络模型,利用卷积神经网络中的多尺寸滤波器提取出具有丰富上下文关系的词特征,循环神经网络中的长短时记忆算法将提取到的词特征与句子的结构联系起来,从而完成文本情感分类任务.实验结果表明:与多种文本情感分类方法相比,文中算法具有较高的精度.     

模糊标号典型相关分析及其在人脸识别中应用

把样本分布信息融于特征提取过程将有助于提高特征的分类能力.利用模糊隶属度概念,提出一种基于模糊标号典型相关分析的特征提取新方法.构造模糊标号刻画样本的分布情况,并将其与典型相关分析结合,能提取综合灰度信息和分布信息的有效判别特征.此外,针对样本不足导致的小特征值包含较多干扰信息的问题,基于矩阵理论及双空间分析思想,进一步提出双空间模糊标号典型相关分析算法,缓解了过小特征值对算法性能的影响.在ORL和组合人脸数据库上的实验结果表明新特征具有良好的分类能力,证实了所提算法的有效性及应用价值.     

藏文文本情感分类系统设计

本论述采用藏语三级切分体系对藏文文本进行分词和词性标注,并借助手工建立的藏文情感分析用词表,与已有的特征选择方法相结合提取情感特征,用相似度分类算法进行藏文文本的情感分类,达到了较好的分类效果.     

基于面向对象的多尺度山地城市土地覆盖信息提取——以重庆市大学城城区为例

以重庆市大学城区的Quick Bird高分辨率遥感影像为数据源,基于多尺度分割算法获得内部异质性较小的对象,构建典型地物影像特征库,实现不同地类特征的针对性描述,采用级联方式综合最邻近分类算法和模糊分类算法优点,实现山地城市土地覆盖信息的面向对象提取,并把提取结果与传统监督分类方法进行对比分析;结果表明:综合使用地物的光谱、纹理、几何等特征的面向对象分类法提取结果稳定性好,分类效率高;面向对象分类能够有效避免"椒盐"噪声,分类结果具有很好的区域性和连贯性;面向对象分类法对于山地城市中光谱特征特别相近或相同的耕地和草地、建筑用地和道路的分类,精度分别提高了28.67%、9.24%、10.38%和8.79%,有效地克服了同谱异物和同物异谱现象;根据对比分析结果得知,面向对象分类法在山地城市土地覆盖信息提取中具有较高的可行性和一定的应用价值,同时由于研究区域的复杂性和研究对象的普适性,算法研究成果可以推广应用到其他山地城市区域。     

一种线性局部切空间判别分析算法

为了在保持数据局部几何结构不变的同时使数据分类边界最大化,提出了一种用于分类的线性局部切空间判别分析算法.该算法是改进的流形学习算法的监督版,样本的局部切空间排列矩阵确保样本低维嵌入的局部几何结构不变;基于最大边界准则的数据散度矩阵确保数据分类的类内散度最小和类间散度最大;对上述2个矩阵和进行特征分解,获得平衡的投影向量基,使样本投影后的子空间被优化.对Yale,UMIST与MIT这3个人脸数据库的实验结果表明,与现有多种经典分类方法相比,提出的算法在降维的同时提取了用于人脸识别的更有效特征,识别性能较好,具有较高的判别分析能力.     

基于语义理解的Bayesian-Boosting情感分类

提出将语义理解与统计学方法相结合的机器学习算法来进行文本情感分类。首先提取文本中的情感词汇作为特征,利用统计学方法得到特征的初始权重,然后通过分析文本语义结构修改特征权重,最后利用Bayesian算法和以Bayesian作为基本分类算法的Boosting算法进行分类。实验表明,基于语义理解的Bayesian分类算法的分类准确率高于仅基于统计学的Bayesian分类算法,基于语义理解的Bayesian-Boosting算法的分类准确率最高,达到了90%。     

基于极端学习机的胶囊缺陷检测

针对胶囊常见的凹陷缺陷进行不变矩分析,提取胶囊的偏心率和圆形度为特征变量,提出一种基于极端学习机的胶囊缺陷检测与识别的方法,对胶囊进行检测分类.仿真结果表明基于极端学习机的胶囊分类算法能很好地区分出具有缺陷的胶囊,分辨正确率接近100%,运算速度比BP神经网络更快,训练过程稳定,也说明所提取的特征能很好区分有凹陷与无凹陷胶囊.     

基于信息增益与语义特征的多标签社交网络用户人格预测

针对社交网络用户人格预测问题, 提出一种结合信息增益与语义特征提炼用户文本信息, 并采用多标签分类算法进行综合预测的方法. 先基于信息增益提取文本词特征, 包括情感词、 词性和时态等, 进行特征选择与加权; 对于语义特征, 将文本内容映射为本体概念并计算语义相关度; 然后以基于词的特征和语义特征的共同
影响为依据, 运用多标签分类算法执行人格预测过程, 从不同角度处理文本信息, 并充分考虑了类标签间的相关性. 实验结果验证了该方法的有效性.     

融合FV-SIFT特征和深度卷积特征的车辆图像细粒度分类

针对现有的SIFT特征在车辆细粒度分类中存在的分类精度低的问题,提出了一种融合FV-SIFT特征和深度卷积特征的车辆图像细粒度分类算法。首先采用SIFT算法与Fisher Vector算法相结合的方式提取车辆图像的FV-SIFT特征,然后采用VGG-16卷积神经网络提取车辆图像的深度卷积特征,最后将FV-SIFT特征与深度卷积特征进行线性融合并采用支持向量机对融合后的车辆特征进行分类。实验结果表明,该方法的分类准确率达到82.3%,较FV-SIFT算法在分类准确率上提高了15.4%。     

治安监控视频中暴力行为的识别与检测

为了充分提取治安监控视频中的时空特征和时序特征,并对暴力行为进行准确的识别与检测,提出一种基于三维卷积神经网络(3DCNN)和卷积长短期记忆网络(Conv LSTM)的暴力行为识别算法。首先,采用一种通用视频描述符—3DCNN结构,提取视频的短时特征,这些特征封装了视频中与目标和场景相关的背景信息,然后,构建Conv LSTM网络对3DCNN提取的短时特征在时间轴上进行建模,进而充分提取视频的高层时序特征。最后,利用Sigmoid函数分类行为动作。为了验证该算法的高效性,对所提出的方法在暴力行为数据集Hockey上进行验证,达到了98.96%的识别精度。测试结果表明,该融合模型在检测效果上优于目前人工提取特征的方法和深度学习的方法。     

一种新的洪水随机模拟模型的应用

将俄罗斯水文学者Khristoforov等建立的一种能反映洪水涨快落慢特性的随机模拟模型应用于钱塘江流域衢江衢县站汛期洪水流量过程模拟,并提出了模型参数的提取方法,同时对参数的分布线型进行了统计检验,对模拟结果分别进行了长、短序列不同时段洪峰洪量统计特性的实用性检验.结果表明:该模型能够通过实用性检验;模拟出的汛期洪水流量过程线能较好地反映实际洪水变化特性;与传统且常用的相关解集模型及季节性AR(1)模型相比,该模型所用参数大为减少,而且模拟效果也优于以上2种模型.     

基于两层主动学习策略的SVM分类方法

针对当前主动学习策略直接用于支持向量机(SVM)分类器时存在泛化能力不强的问题,提出了两层主动学习策略(TLAC),该策略利用协调训练的思想,深层挖掘未标记样本数据的分布知识,从而选择最有利于分类器性能的样本来训练分类器.实验表明,该TLAC策略能够合理地指定TSVM算法中的正样本数,在典型指标测试中都表现出了一定的优越性.     

雅鲁藏布江尼洋河流域洪水预报方法研究

针对尼洋河流域的水文特性和资料情况,利用基于混合线性回归模型的黑箱子模型方法建立了包括尼洋河流域工布江达、巴河桥、更张、八一等站的流域洪水预报模型,并采用1997～2002年汛期的水文观测资料分别率定各站相应的洪水预报模型,采用2003年汛期的水文观测资料分别验证率定的水预报模型．率定和验证结果表明,所提出的模型方法具有一定的精度,可以用于作业预报．     

非平稳性条件下设计洪水地区组成分析

针对非平稳性条件下不同区域洪水间组合设计值计算难题，采用Copula函数构建了可综合考虑不同区域洪水边缘分布非平稳性和洪水间相依结构非平稳性的变参数Copula模型，分析了不同区域洪水间联合分布规律随时间的演变特征。基于等可靠度法和条件期望组合法，提出了变化环境下设计洪水地区组成分析方法，实现了非平稳性条件下不同区域洪水组合设计值的计算。以寸滩站和宜昌站年最大15 d洪量系列为例，分析了两站洪量及其区间洪量的变化特征。结果表明，寸滩站和宜昌站的洪量系列均具有减少趋势，两站洪量的联合分布随时间变化，指定重现期对应的宜昌站、寸滩站及寸滩—宜昌区间洪水设计值随使用年限的增加而减小。     

基于滚动时间窗的PSO-LSSVM的通信基站能耗建模

基站是通信网络的重要能耗节点,精准计算合同能源管理(EPC)模式下基站节能量成为该领域的技术瓶颈.以3类典型场景通信基站为对象,提出了一种基于粒子群优化算法(PSO)的滚动时间窗最小二乘支持向量机(LSSVM)的基站能耗建模方法.该方法通过选取预处理的基站配置参数与实时数据建立滚动时间窗,采用PSO优化训练模型参数,并通过LSSVM回归估计训练模型,得到随时间窗数据变化的基站动态能耗模型.仿真试验与样本基站实测数据的验证结果表明,本文建立的能耗模型具有较高的预测精度及泛化能力,对基站节能工程的评估具有良好的应用前景.     

基于两层协同主动学习策略的分类算法

针对当前主动学习策略直接用于SVM（Support Vector Machine）分类器时存在的泛化能力不强的问题,提出的两层协同主动学习策略TLCALS （Two-Level Collaboration Active Learning Strategy）应用了协同训练的思想,能深层挖掘未标记样本数据的分布知识.实验表明,TLCALS策略能够合理指定TSVM （Transducive Support Vector Machine）算法中的正样本数,在典型指标测试中都表现出了一定的优越性.     

面向决策支持的复杂防洪系统多目标决策模型

以复杂的长江防洪系统联合调度问题为研究背景,应用大系统分解协调递阶求解原理和多目标权重方法,提出了子系统之间分解协调连接递阶结构的计算方法,建立面向决策支持的长江防洪系统的多目标联合调度模型．在考虑已建成的三峡水库及其他干支流水库的基础上,将边界定为从长江上中游干支流水库至汉口河段,并运用1931年、1935年和1954年资料进行模拟仿真验证．研究结果表明,该模型不仅考虑了防洪系统的多目标性、系统的拓展性和防洪系统各个水库的可操作性,而且考虑了防洪系统整体目标,同时可调整有关目标函数权重参数进行各个目标的权衡分析,可以生成面向决策支持的长江防洪系统联合调度多方案．     

韩江流域“06.06”暴雨洪水分析

2006年是广东省遭受水旱灾害较多的一年.还未进入汛期,韩江流域暴雨洪水接踵而来,从3月27日到7月底,韩江潮安水文站出现10.27～13.57 m中高洪水六次,是设站以来年洪水出现较多次的年份.而发生在6月2日的这次洪水是:上游(三河坝)水位高而下游(潮安)水位低.针对本现象进行韩江流域"06.06"洪水分析,供今后的江河水文预报参考.     

三峡工程论证决策过程及其实践检验

举世瞩目的三峡水利枢纽工程是世界上规模最大的水电站,也是中国有史以来建设的最大型水利水电工程。2010年10月26日,三峡水库蓄水首次达到设计水位175 m,这标志着其防洪、发电、航运等各项功能达到设计要求。三峡工程从构想、论证、设计、建设至竣工全面投入运行历时近百年。当初兴建三峡工程的构想是如何提出的？三峡工程究竟起什么作用？存在什么分歧意见？是如何进行论证的？论证的结论怎样？这是许多人关心而又不太了解的,笔者在文中做了扼要的介绍,以纪念世纪之梦的实现。     

基于机器学习的数据库小数据集并行集成方法

为了解决传统方法不能按照训练样本量设计最优网络模型,集成效率低的弊端,通过机器学习方法研究数据库小数据集并行集成方法。机器学习选用朴素贝叶斯算法,依据条件独立性假设,通过计算目标先验概率,采用贝叶斯定理求出其后验概率,对后验概率进行比较,完成决策分类,对基分类器进行训练,把不同朴素贝叶斯基分类器当成集成分类器,在原始数据库上对基分类器进行训练,依据分类结果对数据库中小数据集样本分布进行调整,将其当成新数据集对基分类器进行训练,按照基分类器的表现,通过加权将其组合在一起,产生强分类器,实现对数据库小数据集的集成处理。通过MapReduce并行处理完成并行数据集成,输出并行集成结果。通过仿真实验与实例分析验证所提方法的有效性,结果表明:所提方法在训练样本规模相同的情况下有最高的分类精度和最小的波动,在不同集成规模下的分类精度一直最高,波动最小;所提方法可达到数据的最优集成,数据失效比降低,合成比提高。可见所提方法集成精度高,计算稳定性强,集成效果好,效率优。