基于深度学习的Stack Overflow问题帖分类方法

针对基于正则表达式和传统机器学习的分类方法分别存在模式手工提取困难和性能瓶颈的问题, 提出一种基于深度学习的问题帖分类方法, 采用深度文本挖掘模型TextCNN和融合注意力机制的TextRNN构建分类模型. 实验结果表明, 基于深度学习的方法在多数问题目的类别上的分类性能优于已有基准方法, 且使用的Adam优化器优于SGD优化器, 使用Glove预训练的词向量优于使用随机生成的词向量. 该方法以提问目的对帖子进行分类, 可为分析Stack Overflow(SO)上的帖子讨论主题增加新维度.     

多策略融合的俄语文本词语提取方法研究

俄语是联合国工作语言之一,是俄罗斯等多个国家的官方语言。随着“一带一路”倡议的推进和全球化进程的加快,俄语文本数据成为有关组织管理决策的重要信息来源,俄语文本挖掘也因而成为重要的管理决策支持方法。然而,俄语文本挖掘方法研究目前还远未成熟,尤其是其关键基础——俄语文本词语提取的性能较低,阻碍着俄语文本建模的准确性。因此,文章提出一种多策略融合的俄语文本词语提取方法,结合俄语词性分析、语法规则和串频统计等多种方法,自动提取包含单词和短语在内的俄语词语。在联合国平行语料库和Taiga Corpus语料库上的实验结果表明,文章提出的方法在保证高召回率的同时,达到了85%以上的高准确率,显著优于常用的n-gram方法,能够为俄语文本主题发现和文本分/聚类等文本挖掘应用提供有效的词库。     

基于图像RGB色彩特征的关联规则挖掘研究

对图像色块RGB值进行抽取和处理、建立常用颜色数据表和图像RGB颜色值的事务数据库D、最后应用关联规则进行挖掘.关键工作是建立"n张图像颜色值事务数据库D",它与使用传统的购物篮数据进行关联规则挖掘的事务数据表形式类似.因此,基于图像RGB色彩特征的非结构化数据挖掘问题就转化成了结构化数据的挖掘问题.     

排汽缸全局气动优化及设计知识挖掘方法

为了提高排汽缸的气动性能,探索排汽缸的设计规律,耦合基于子元模型的全局优化算法、三阶贝塞尔曲线的三维排汽缸参数化方法、RANS(Reynolds-Averaged Navier-Stokes)方程求解方法与基于总变差分析的数据挖掘技术,提出了健壮高效的排汽缸设计优化与知识挖掘方法。在考虑末级叶片和排汽缸之间相互作用的基础上,选取静压恢复系数最大为目标函数,对低压排汽缸进行了设计优化与知识挖掘。优化得到的排汽缸静压恢复系数从0.165提高到了0.516。采用基于总变差分析的数据挖掘技术并结合排汽缸气动性能分析,阐明了设计变量与目标函数之间的相互影响机制。研究结果表明:扩压器出口宽度、排汽缸外缸宽度、外导流环高度和外导流环出口角度对排汽缸气动性能有显著影响。所建立的排汽缸优化设计方法和知识挖掘技术为高性能排汽缸设计提供了工具。     

因素挖掘法在投资学课程中的教学实践

投资学课程的时代背景及中国投资学教材的特点决定了投资学课程教学方式的特殊性.构建了一种基于概率测度的因素挖掘法的教学过程设计模式,将课程知识点的难易程度转化为授课时间分配比例,并与学生素质的量化分布一致.投资学课程教学设计案例表明,基于因素挖掘法的课程教学设计效果较传统教学模式有显著性提高.     

巷道掘进用挖掘式装载机的研究

在各类隧道工程、煤矿巷道掘进过程中,矸石的挖掘及装载设备目前采用较多主要有耙斗式装岩机、立爪式装载机、侧卸式装载机、综掘机、煤矿用挖掘式装载机等.上述各类机型各有优缺点,其中煤矿用挖掘式装载机因其机动性较好的优点,正逐步在推广应用.此机型虽然优点众多,但在用户实际使用过程中,却存在着一个严重缺陷:在带有坡度的隧道工程或煤矿巷道工作面上,无法工作,常因运输槽偏重或工作时挖斗承载的外力而出现滑移甚至倾翻现象;而隧道工程及煤矿巷道的实际工矿中,大部分都存着长距离的上下坡度,上述缺陷严重制约了该设备的使用范围.     

基于关联挖掘“三用一实训”的任职教育研究

针对任职教育培养特点,提出基于数据关联挖掘分析的“三用一实训”的培养思路,即以岗位实战任务和工作过程分解出专业理论与专业技能的数据库为对象,以知识结构、学科层级、重要程度为依据,以数据关联规则挖掘为方法,构建专业理论基础够用、专业技能顶用、发展潜力备用的任职教学内容,改变传统理论教学和实践教学按顺序组织的固有模式,将课程实践融入到专业教学全过程,强调以实践为基础消化理论,以操作为中介提高能力,使课堂教学贴近部队、贴近实装、贴近实战。     

基于图聚类的组合横切关注方面挖掘方法

提出了一种图聚类方法,即发现软件系统中组合横切关注的方面挖掘方法.该图聚类方法不仅考虑了连接度,亦考虑了相似度.采用一个新的图聚类算法来发现组合横切关注,一个组合横切关注也是一个软件模块,既包含相似的元素,又包含连接紧密的元素.利用程序元素之间的相似度和连接度,采用基于authorityshift的有向图层次聚类算法,来发现属于同一软件模块的程序元素集合;然后采用fan-in技术来确认组合横切关注模块.对比实验结果验证了该方面挖掘方法的有效性.