基于粗糙KNN算法的文本分类方法

在文本分类中,数据规模过大或文本分布不均匀对传统KNN算法的准确率和效率具有重要影响。为了解决该问题,文章提出一种基于粗糙KNN(k-nearest neighbor)算法的文本分类新方法。首先引入粗糙集中的上下近似概念定义各类文本的上下近似空间,将文本向量空间分为核心和混合2大区域;然后改进传统KNN算法的隶属度函数;再针对不同的文本区域,采取差异化的分类策略以提高分类的效率和准确率。实验表明,基于粗糙KNN算法的文本分类方法在提高分类准确率的同时,分类的效率也有很大提高。     

Li部分取代K对KNN基无铅压电陶瓷微结构、晶相和电学性能的影响

研究Li部分取代K对铌酸钾钠(KNN)无铅压电陶瓷性能的影响,选用(Na0.5K0.5-xLix)Nb O3(NKLxN)的配方,通过固相法制备出优良性能的陶瓷样品;运用XRD、SEM研究不同Li含量陶瓷样品的相结构及显微组织;通过压电介电性能测试,确定Li取代K的最佳含量.结果表明,当Li的含量x=0.065时,其d33=205p C/N,kp=46.1%,εr=998,tanδ=0.047,TD=485℃.该NKLxN陶瓷性能优良,在高温压电陶瓷传感器、换能器等方面可能取代铅基压电陶瓷.     

一种改进KNN个性化邮件过滤的方法

针对个性化邮件过滤中接收的邮件没有规律、正常邮件和垃圾邮件存在严重类偏移等问题,提出一种改进的k最近邻(k-nearest neighbor algorithm,KNN)个性化邮件过滤方法.该方法主要是通过建立兴趣度模型(对兴趣度计算的改进,剔除用户习惯对建立兴趣度模型带来的影响)不断改变训练集,使得训练集中的文本始终...     

复合法制备的(K0.48Na0.52)1-x（LiSb）xNb1-xO3无铅压电陶瓷性能研究

采用传统的固相反应法和普通的烧结工艺,分别制备了(K0.48Na0.52)1-x(LiSb)xNb1-xO3(x=0.055,0.060,0.065)和x=0.055,x=0.065按摩尔比1:1复合的无铅压电陶瓷样品(55-65),并对样品的压电、介电等性能进行了测试研究.实验结果表明:55-65不等同于x=0.060的组分,其压电性能远低于x=0.060的样品,进一步研究表明,相同烧结温度下,55-65样品的损耗较高,晶粒难以生长,相对较小,较小的晶粒可能在样品形变时产生的应力较大,这可能是55-65样品压电性能较低的原因.     

能耗预测导向的建筑能耗异常数据识别与修复

建筑能耗异常数据处理是对建筑能耗进行准确预测的前提。为有效处理建筑能耗异常数据,利用基于机器学习的K-means和KNN(K-nearest neighbor)算法,对上海某酒店建筑2017年7月的逐时能耗数据进行了异常识别和修复。通过建立长短期记忆网络模型,利用处理后的能耗数据预测了该建筑2017年8月首周的逐时能耗数据。预测结果表明,提出的建筑能耗异常数据识别与修复方法能准确识别并修复建筑能耗异常数据,从而显著提高后续能耗预测的效果。     

一种基于密度的改进KNN文本分类算法

KNN算法是一种应用广泛的人工智能算法,在文本分类应用中,简单有效,易于实现．但是,KNN分类的时间复杂度与训练样本数量成正比,而且,训练样本分布密度的不均匀性将导致分类准确性的下降．本文在KNN算法的基础上,提出一种改进算法．算法分析了训练样本的分布密度,通过裁减高密度区域训练样本,降低样本数量,调节训练样本分布,达到提高分类准确性的目的．实验证明,基于密度的改进KNN文本分类算法在降低时间复杂度的同时,还具有较好的准确率和召回率．     

SVM-KNN分类器在异常行为检测中的应用

提出了一种新的异常行为检测方法,将SVM算法和KNN算法结合,在对识别样本判别时,当其与最优分类面的距离大于给定阈值时,采用SVM分类算法,否则采用KNN算法,从而减少了SVM算法的错误率。实验结果表明,SVM-KNN算法对异常行为检测的准确率达到95.86%。     

基于DBSCAN聚类的改进KNN文本分类算法

K最近邻算法(KNN)在分类时,需要计算待分类样本与训练样本集中每个样本之间的相似度.当训练样本过多时,计算代价大,分类效率降低.因此,提出一种基于DBSCAN聚类的改进算法.利用DBSCAN聚类消除训练样本的噪声数据.同时,对于核心样本集中的样本,根据其样本相似度阈值和密度进行样本裁剪,以缩减与待分类样本计算相似度的训练样本个数.实验表明此算法能够在保持基本分类能力不变的情况下,有效地降低分类计算量.     

Sol—gel法制备铌酸钠钾粉体的研究

以自制氢氧化铌作为铌源，草酸作为螯合剂，以酒石酸钾钠替代碳酸钠和碳酸钾作为钾源和钠源，乙二醇作为酯化剂，采用sol—gel法制备了铌酸钠钾（简称KNN）粉体。使用IR和TG／DSC对干凝胶的成分及溶胶形成过程中的机理进行了研究，使用XRD和SEM对制备的纳米粉体的晶型和形貌进行了表征和观察，研究了预烧温度对于KNN粉体结构和形貌的影响，并解释了产生这些变化的原因。     

固相法制备新型KNN基近红外透明陶瓷

采用传统固相烧结工艺,注重烧结时的气氛控制,制备了铌酸钾钠(KNN)基无铅透明陶瓷xBa(Sc0.5Nb0.5)O3-(1-x)(K0.5N0.5)NbO3.并对其相结钩、微观结构、压电性能和透光率进行了研究.结果表明:该体系陶瓷具有准立方钙钛矿结构,没有其他杂相,晶粒大小与可见光波长相当,高度致密,无明显的晶界存在.在x=0.05时,d33最高可达到110 pC/N.同时该材料具有良好的透明性,在可见光范围内,透过率达到47％左右,近红外2500 nm处,透过率接近70％,是一种有望取代铅基透明陶瓷的环境友好型无铅透明陶瓷.