游客微博主题情感分析方法比较研究

针对饮食、娱乐、购物、景观、交通和住宿6个旅游主题, 基于机器学习方法, 开展游客微博主题情感分析方法比较研究。以人工标注的53140条赴日游客微博为数据基础, 应用两种机器学习模型开展建模实验, 并分析不同特征对建模效果的影响。实验结果显示, 两种模型的建模效果良好, 适用于游客微博主题情感分析, 其中最大熵模型效果略优于支持向量机。研究还表明, 在词特征的基础上引入表情符号和主题词进行特征扩展, 可以提高模型的建模效果。     

企业ERP与FDSS系统平台集成框架的研究及应用

EAI系统集成技术应用广泛,也是未来发展的一种趋势,但在企业经营管理与财务决策方面的集成尚属创新研发阶段。论文通过EAI系统集成技术,将所需信息资源集成于统一的架构平台中,有效地实现了ERP与FDDS两大系统的无缝链接;把大型企业分散的系统技术整合协同起来,为企业高效、安全稳固地提供数据同步与资源共享,实现大型企业应用系统集成,较好地解决了企业资源计划管理与财务决策支持的数据分享与特性互补。该项成果地应用,必定能使企业的绩效管理与经营决策迈上新台阶。     

基于Logit与SVM的银行业信用风险预警模型研究

本文以银行业金融机构大额授信风险及零售贷款违约风险数据为基础,从宏观经济环境、客户信贷行为、企业经营水平三个维度出发,对客户风险预警的相关指标进行系统分析,构建了企业客户风险预警指标体系,并利用统计学和数据挖掘方法,从企业财务、企业信贷行为等客户数据信息中挖掘出隐含在背后的客户风险特征.在上述分析的基础上,引入一种基于Logit与SVM的混合预警模型.该模型除了具有单个模型的良好基本性质,还能够充分捕捉和有效刻画影响因素对于客户违约的线性和非线性的复杂特征.实证结果表明,新的模型具有更好的泛化能力,对客户信贷风险具有较高的预警准确率.     

基于DLSVM算法的高分辨率遥感图像分类研究

为了进一步提高高分辨率遥感图像的分类精度及效率,融合支持向量机SVM及局部支持向量机KNNSVM算法,借助主动学习相关理论,提出了基于距离的局部支持向量机算法(DLSVM).该算法通过对未标记样本和超平面之间的距离与预先设定的距离阈值相比较,判断是否需要进一步建立局部支持向量机KNNSVM来确定样本的类标.对实际的高分辨率遥感图像分类的实验结果显示:在合适的距离阈值与K值的设置下,该算法能够提高支持向量机SVM的分类精度,同时大大降低KNNSVM算法的时间消耗.     

DAG SVM的结构优化研究及其在故障诊断中的应用

有向无环图支持向量机(DAG-SVM)是一种新颖且使用广泛的多分类算法.传统DAG-SVM由于需要训练的SVM分类器较多,在工程中训练耗时长.又由于传统DAGSVM分类效果受到结构排序影响,导致其分类效果具有随机性.针对以上两个问题,通过结构重组减少SVM分类器个数从而缩短了训练时间,通过对训练数据的重新划分计算产生了最优分类排序,提高了分类正确率.仿真测试与工程实践证明,本文方法相对传统DAGSVM方式,能缩短训练时间,且拥有更高的分类正确率.     

一种新的去无关基因肿瘤样本分类方法

基因数据分类方法的研究是当前生物信息学的一个热点,利用基因微阵列技术所提供大量的基因数据为诊断不同种类的基因疾病提供了可能。依据基因表达谱建立有效的模型对肿瘤类型的识别、诊断和治疗具有重要应用价值。通过对肿瘤基因表达谱进行分析,提出一种新的去无关基因的分析方法。新方法首先通过引入参数数量与改进的信噪比结合,对已有的基因信噪比（REFSC）公式进行改进,然后用主成分分析法提取主要的分类信息,达到特征提取的目的。最后用支持向量机（SVM ）对样本集进行分类测试,分类模型的核函数分别采用线性linear、多项式polymoid、径向基RBF核函数,对肿瘤样本集进行实验测试,实验表明了新方法是可行的和有效的。     

加权贝叶斯线性B细胞表位特征提取方法

特征提取方法对线性B细胞表位预测起到非常重要的作用,但贝叶斯特征提取方法忽略了氨基酸之间的相互关系.为了更准确地描述表位序列的关系,提出一种基于氨基酸对量表加权的贝叶斯特征提取方法,该方法对单个氨基酸在序列分布的基础上充分考虑了氨基酸之间的关系,并使用支持向量机作为分类器进行分类.在El-Manzalawy,Saha数据集上的测试表明改进的贝叶斯特征提取方法.相比传统的贝叶斯特征提取方法,提取精度有一定的提升.     

基于比色光谱和SVM快速检测白菜中氧乐果农残方法

为快速安全地检测白菜中氧乐果农药残留,用改进的氯化钯乙酸溶液作比色剂,和氧乐果农药发生比色反应,利用分光光度计在300～1100nm采集吸光度谱图。将氧乐果乳油农药和白菜汁混合,利用乙醇萃取,在0.5～400mg/kg随机配置了60个样本,分别和等量的乙酸氯化钯溶液反应。实验证明,当样本质量比大于50mg/kg时,吸光度曲线的走势发生变化,且和质量比的相关性较差;当样本质量比大于90mg/kg时,吸光度曲线和样本质量比相关性更差。引入支持向量机SVM进行三分类建模,利用5-折交叉验证,当光谱数据归一化为[0,1],核函数采用径向基RBF函数时,测试集样本质量比范围的预测效果最好,准确率达到96.7742%,为快速检测蔬菜中氧乐果的质量比范围提供了可行的方法。     

基于特征选择的人物关系抽取方法

在人物关系抽取中,其特征空间维度往往非常高,会造成向量稀疏问题,从而影响关系抽取的效率。针对这一现象,首先将人物关系分为6类;然后引入了文档频率、信息增益、互信息和χ2统计这四种文本文类的特征选择算法,对特征空间进行降维。最后运用SVM分类器抽取人物的实体关系。实验结果表明这四种特征选择算法不仅能够保证抽取性能,还能有效的降低向量空间维数,极大提高关系抽取效率。其中,χ2统计算法效果最佳,信息增益次之。     

一种改进的相关向量回归方法

相关向量回归(relevance vector machine,RVR)是一种非线性回归方法。当样本集中存在少量异常点时,RVR方法能够得到鲁棒的回归模型。随着异常点增加,求得的回归模型的泛化能力下降。针对这种情况,实现了一种改进的相关向量回归方法。首先重新定义样本子集T和根据最小截平方和估计理论重新定义RVR回归的似然函数;然后利用贝叶斯推论求解边际最大似然函数;最后使用迭代法迭代求解最大似然函数的最优超参数α、β以及子集T,并使用超参数α、β得到回归模型。通过证明和实验结果表明,算法具有鲁棒性,而且当样本集中的异常点增加时,依然具有较高的鲁棒性。