基于自组织映射与概率神经网络的增量式学习算法

为解决传统学习算法不能有效利用新可用数据这一不足,提出一种基于自组织映射(SOM)和概率神经网络(PNN)的增量式学习算法——增量式模块化自组织映射概率神经网络(IMSOMPNN)。使用模块化SOM对每类训练数据进行学习,以训练后SOM的原型向量作为此类别的模式神经元来构建PNN。IMSOMPNN可以方便地实现对不同类型的新数据进行增量式学习,并且在进行增量学习时,不再需要利用到原始的训练数据,仅使用新的数据对已有模型进行局部调整;最后,IMSOMPNN还具有较强的抗噪能力。在UCI Landsat Satellite数据集上的实验验证了该文所述方法的有效性。     

基于隐特征提取和CRF模型的中文词义消歧

传统的中文词义消歧方法是通过观察文本的上下文信息、词性等显性特征建立消歧模型,本文通过对歧义产生原因进行深入的分析,发现词语之间隐含的语法结构、语义信息等也会导致歧义的产生,可以考虑将这些信息加入消歧模型进行消歧。由于《知网》知识库中对词语之间的搭配信息进行了总结,本文借助《知网》提取训练语料库所获取的词语搭配信息的隐性语义特征,结合显性的上下文特征,采用条件随机场的方法进行词义消歧。最后,通过实验进行词义消歧和效果验证,结果表明：本文采用的方法与传统的条件随机场消歧相比,词义消歧的准确率得到了提高。     

言语行为自动分类研究综述

言语行为自动分类对于对话系统、机器翻译和自动问答系统中问题理解和意图判断具有重要的意义,已成为信息检索和自然语言处理领域的一个研究热点。较为系统地介绍了言语行为的基本理论、经典分类体系、分类特征、分类算法和评价方法。最后,讨论了言语行为自动分类研究未来的研究方向。     

基于监督学习的同义关系自动抽取方法

目的 解决从大规模文本中自动获取同义关系.方法 将同义关系抽任务取看成一个二值分类问题,将其分为训练阶段和抽取阶段,共4个处理模块:预处理、特征生成、模型训练和分类.结果 提出并建立了一种新的同义关系抽取模型,并给出了该模型的关键实现算法.结论 提出的方法 比基于模板方法 的F1值高出了24.4%,大幅度提高了同义关系抽取结果 的精度.同时提出的方法 有效地改善了基于模板方法 领域自适应性差的缺点,所定义的特征和特征的权重计算更适合于判定学习算法.     

人脸检测与识别方法研究

人脸图像处理包括人脸检测、人脸识别等．分析了有关人脸检测问题的研究方法并对其进行了分类和评价,重点介绍了人脸自动识别这一领域的研究方法并对其进行了简要分析评价,最后提出了人脸图像处理领域的研究展望．     

基于机器学习的智能防火墙设计

在防火墙中实现了一个学习模块,并对攻击以及正常网络数据进行收集分析,然后选择属性良好的网络数据作为训练样本,进行了决策树的ID3算法实现.通过这一学习模块的加入,使得防火墙可以对新的流入数据进行判断和学习,从而向智能化方向发展.     

基于演化硬件的道路限速标志识别方法

针对当前模式识别技术存在的学习和识别时间长、学习结果可读性差等缺点,提出了一种新型识别方法.首先对4类常见的道路限速标志图像进行定位与特征提取,经预处理的特征向量作为系统训练集和测试集数据;然后在Xilinx Virtex xcv2000E FPGA硬件平台上采用VHDL设计演化硬件识别系统,完成对特征向量数据的学习与...     

基于向量空间模型的个性化搜索算法研究

基于向量空间模型(Vector Space Model,VSM)实现用户搜索结果的个性化排序,通过用户提供其感兴趣的文本集作为训练样本实现用户模型的初始化,并引入遗忘因子,结合机器学习的方法,通过用户后期的上网行为实现用户模型的动态更新,同时采用TF-IDF算法进行文本特征的提取,并针对文档模型与用户模型的统一提供了解决方案。     

基于CART算法的网络新闻关键词抽取模型研究

文章首次把CART决策树方法应用在关键词抽取工作中,并引进相似度进行了决策树方法的改进.在对特征值选择时,根据档案文本书写特征及习惯,选取档案文本的标题、档案关键词词性组合作为特征向量,并基于以往关键词抽取的先验知识加入词位置、相对频数、词语组合个数等作为特征向量.在CART决策树方法基础上,通过引入Jaccard系数合并相似度高的属性元素改进算法,来提高分类的准确率以及减小算法的复杂度.文章选取大量文本作为训练集,通过CART决策树方法进行训练学习而建立模型,建立好的模型能大大减少关键词抽取工作量,并提高关键词抽取的准确率.     

基于复杂网络和机器学习的P2P用户违约预测

互联网的发展不断冲击着各个行业,P2P行业作为2013年开始兴起的互联网金融中的重要组成部分最近一段时间由于信用违约等原因,给许多用户带来了不小的财产损失.对于P2P行业来说,对用户的信用预测及防范违约风险是事关公司利润的核心问题.本文利用用户手机通讯录之间的包含关系构建社交网络,并从复杂网络的视角加以分析.通过将分析结果转化为机器学习的输入特征,我们用支持向量机的方法挖掘其内在的关联,从而利用用户的社会网络结构性质预测其信用情况.我们的模型基于知名互联网金融公司闪银所提供的大规模脱敏数据,得到了很好的预测效果.