基于SVM预测的金融主题爬虫

随着Internet上信息的爆炸,利用通用搜索引擎检索用户相关的信息变得越来越困难,而主题爬虫成为WEB上检索主题相关信息的重要工具.目前大部分基于分类器预测的主题爬虫的训练数据是不同类别网页的内容,但是在实际预测过程只能根据父网页中的一些链接信息进行预测,所以造成主题爬虫的预测的准确率较低.本文使用SVM分类器对标注了类别的URL以及上下文和锚文本进行训练,并分别使用了DF和信息增益两种不同的特征选择方法进行特征筛选,对影响分类器的各种因素进行了实验对比,并对分类器进行了在线的实验.实验证明这种方法在实际预测过程中效率很高.     

钢板表面缺陷图像非均匀光照校正及分割算法

针对钢板表面缺陷图像光照不均匀的问题,首先根据图像的亮度与光照分量和反射分量的相关性,采用多尺度高斯函数方法提取图像的光照分量并分离出反射分量.然后根据光照分量的分布情况调整二维(2D)伽玛函数的参数,实现光照分量分布不均的自适应校正,再将校正后的光照分量与原有的反射分量融合得到光照均匀的新图像.最后采用遗传算法选择最大熵阈值进行缺陷分割.结果表明:钢板表面缺陷图像的非均匀光照得到了有效改善,缺陷细节得到了较好保持;图像阈值分割缩短了寻找阈值的时间,能够有效检测出钢板表面的多种缺陷.     

有色观测噪声条件下的分布式Kalman最优融合

传统分布式Kalman融合算法通常假定观测噪声是白噪声,在有色观测噪声条件下将导致系统性能的降低,而白化有色观测噪声会加剧传感器估计误差的相关性,对这种相关性的处理是分布式Kalman融合的难点.提出了一种基于有色观测噪声多传感器系统的分布式Kalmn最优融合算法,将系统状态分解为不相关的两部分,进行非扩维Kalman滤波以及分布式状态融合,证明了分布式状态融合等价于集中式Kalman最优融合,并进一步分析了具有反馈和非反馈两种结构的多传感器系统,给出了反馈结构下修正的分布式Kalman最优融合算法.同时分析了有色观测噪声对Kalman滤波器的影响.理论分析与蒙特卡罗仿真表明:所提算法具有全局最优性并且便于工程实时计算.     

关于Viril定理的讨论

就一些现行教科书中Ｖｉｒｉｌ定理的叙述及证明提出质疑。Ｎ体系统成为稳定系统的必要条件的在这些书中被表示为系统转动惯量对时间的二阶导数为零,而三体问题中的稳定特解－等边三角形特解却给出了一个反例。相应的修正是：将Ｉ＝０改为〈Ｉ〉＝０。     

Hubble常数的Bayes估计

将 Bayes统计应用于 Hubble常数 H0 的 4类模型 :Ia型超新星、Tully- Fisher关系 ,星族 及 Sunyaev- Zel'dovich效应 .在 68.3%置信水平上得到的 H0 的 Bayes估计为 61.6相似文献   

Ia超新星与哈勃常数

蓝 Ia超新星是迄今天文学家已知的校准得最好的标准烛光 ,峰值光度弥散仅为 0 .11mag.将近处距离已知的蓝 Ia超新星匹配到远处哈勃流样本中 ,便可获得哈勃常数的估计值 .当前的数据显示哈勃常数为H0 =( 55.3± 5.3) km· s-1· Mpc-1.     

面向再生制动能利用的地铁列车时刻表优化模型

通过对列车时刻表进行优化,可以使再生制动能量最大程度的被牵引列车利用,进而可以减少地铁列车的牵引能耗,达到节能运行的目标.在充分考虑地铁系统首、末班车服务时刻不变和列车旅行时长限制等情况下,提出一种通过时刻表优化实现再生制动能量利用最大化的新问题,并建立了其数学模型,设计了一种基于人工蜂群的智能优化算法来求解该问题.在此基础上,基于北京地铁燕房线的实际数据进行了仿真实验.结果表明:优化后的列车时刻表能够在较少影响地铁系统服务质量的前提下,比既有列车时刻表再生制动能利用量提高132.29%.同时,通过与遗传算法进行对比,证明了基于人工蜂群的智能优化算法求解时刻表优化问题的有效性.通过对列车运行存在不同程度干扰时的再生制动能量利用情况进行仿真分析,证明了所获得的优化时刻表的鲁棒性.     

面向细粒度隐式篇章关系识别的远距离监督特征学习算法

针对中文细粒度隐式篇章关系识别进行研究。考虑细粒度篇章关系的方向性特点, 提出一种基于远距离监督的特征学习算法。该算法使用远距离监督的方法, 自动标注显式篇章数据, 然后利用词与连词之间的相对位置信息, 训练各个词的词表达, 将词的修辞功能以及关系的方向性编码到密集词表达中, 将这样的词表达应用到细粒度隐式篇章关系分类器。实验结果表明, 在细粒度隐式篇章关系识别任务中, 该方法的分类准确率达到49.79%, 比未考虑篇章关系方向性的方法有较大程度的提高。     

引力透镜现象的概率分布

采用2种GNFW引力透镜模型，计算高红移类星体经引力透镜星多像的概率。一种是在小尺度上选模型参数a=1．5，大角度上选a=1；另一种是在小角度上选a=2，大角度上选a=1．2种模型的结果均证明：星像间夹角△θ0小的透镜的概率要远大于夹角大的透镜的概率。把得到的结果与观测进行比较，可看出第2种模型要符合得更好些。