基于BiLSTM-CapsNet混合模型的社交文本情感分析

社交文本的情感分析主要存在结构不规则、特征稀疏和分类效果不理想等问题。针对这些问题,提出了一种双向长短期记忆网络(Bi-directional long short-term memory, BiLSTM)和胶囊网络(Capsule network, CapsNet)混合模型(BiLSTM-CapsNet)。该模型先使用胶囊网络提取单个特征词在整个句子中的位置语义信息,再使用双向长短期记忆网络提取社交文本的上下文词语之间的关系,最后通过softmax分类器,进行情感倾向的分类。试验结果表明,该模型在粗粒度和细粒度情感分类中都有优势。     

基于贝叶斯网络的分类器研究

研究了贝叶斯分类器家族中具有代表性的分类器，即朴素(naIve)贝叶斯分类器、贝叶斯网络分类器和TAN(tree augmented Bayesian)分类器；发现属性变量之间的依赖相对于属性变量与类变量之间的依赖是可以忽略的，因此在所有树形分类器中TAN分类器是最优的．     

对抗长短时记忆网络的跨语言 文本情感分类方法

针对文本情感分类任务中,有情感标注的语料在不同语言中的不均衡问题,结合深度学习和迁移学习,提出一种基于对抗长短时记忆网络(ALSTM)的跨语言文本情感分类方法.设置双语各自独立的特征提取网络和共享特征提取网络,把获取到的特征拼接输入到分类器进行分类.在共享特征提取网络中,设置语言分类器,运用对抗思想优化模型,通过投票法决定文本最终的情感极性.实验表明:该方法可以取得跨语言文本情感分类任务更高的准确度.     

基于BP网络的字符识别系统设计

根据我国车辆牌照的特点,提出了基于BP神经网络识别算法。算法中将分类器分为汉字分类器,英文字母分类器,英文字母和数字混合分类器以及数字分类器四种,这种神经网络设计可以有效简化网络结构,提高识别精度和速度。由于标准BP算法具有收敛速度慢、易陷入局部极小点等缺点,对BP算法进行了改进。通过仿真实验,该字符识别系统具有较高的识别率,同时也具备了神经网络本身容错能力强,即鲁棒性好的特点。     

一种基于贝叶斯方法的多分类器组合优化算法

提出了一种基于贝叶斯方法的多分类器组合优化算法和阈值改进方法。首先,计算分类器对各个类别的置信度。然后,以各分类器的置信度为先验概率,采用向量求和将各分类器的先验概率向量进行组合,得出最终输出向量,最后通过优化阈值提高综合分类器识别精度。在此后的实验数据表明:该算法具有方法简单、运算速度快、分类精度高等优点。     

TAN分类器及其应用

主要介绍了贝叶斯网络分类器中的TAN分类器的模型、构造方法及分类方法.通过对参加2006年6月大学英语四级考试同学的学习情况及考试成绩的问卷调查获得数据,采用Hold-out检测方法,即取出其中2/3的数据集作为训练集,另外1/3数据集作为测试集,构造TAN分类器,检验分类器的分类效果.并通过与朴素贝叶斯分类器分类效果的对比实验,证明TAN分类器是分类效果较好的分类器.     

一种基于Python的机器学习情感分析方法研究

探讨中文情感分析的问题,设计了一个基于Python的机器学习情感分析方法。该方法首先使用连续词袋(CBOW)模型来捕获单词的语义特征,并将单词转换为高维向量。然后,使用堆叠式双向长短记忆(SBLSTM)神经网络对单词向量进行特征提取。接下来应用二元分类器通过语义和上下文特征来进行情感预测分析。最后,采用从新浪微博收集的真实数据集进行实验。实验结果表明,本方法比现有的机器学习模型具有更好的性能。     

基于贝叶斯网络分类器的车牌相似字符识别

相似字符识别率低会影响整个车牌识别系统的性能,而相似字符之间只有局部特征差异较大,并且相似字符样本数目多少差异较大,目前常用的分类器表现得都不稳定.贝叶斯网络分类器充分利用和综合先验知识与样本信息,无论实验样本和特征数目多少,表现得都很稳定.通过使用几千个测试样本对分类器进行测试,并与其他分类器的识别结果作比较.实验结果表明,在相同的特征下,与AdaBoost分类器、BP神经网络分类器、SVM分类器相比,贝叶斯网络分类器对车牌相似字符的识别有较高的识别率和更高的稳定性.     

基于复杂网络的分类器融合

分类器融合指使用一系列学习器进行学习得到个体分类器,并使用某种规则把各个学习结果进行整合从而获得比单个学习器更好的学习效果。结合统计机器学习理论及复杂网络分析技术,提出了一种基于复杂网络的分类器融合算法。该方法利用“边”（个体分类器输出的共现关系）的先验分布信息及个体分类器对新样本输出的共现关系信息,计算新样本属于各类别的后验概率。     

基于提升的BAN组合分类器

提升是一种有效的分类器组合方法,它能够提高不稳定学习算法的分类性能,但对稳定的学习算法效果不明显.BAN(BN augmented Nave-Bayes)是一种增强的贝叶斯网络分类器,通过提升很容易提高其分类性能.文中比较了GBN(general BN)和BAN的打包分类器Wrapping-BAN-GBN与基于提升的BAN组合分类器Boosting-BAN,最后通过实验结果显示了在大多数实验数据上,Boosting-BAN分类器显示出较高的分类正确率.     

一种新的基于克隆选择原理的人工免疫算法

提出了一种新的基于克隆选择原理的人工免疫算法.该算法基于生物免疫系统的自适应免疫识别机制,通过整合克隆选择过程中的亲和度成熟、阴性选择、免疫记忆、基因库进化和元动力学等关键要素,可在搜索过程中自动获取和积累有关搜索空间的知识,协调利用群体记忆与基因库记忆机制,在资源受限的条件下高效求得问题的解;并对算法的全局收敛性进行了分析.针对STSP问题的实验结果验证了算法的性能.     

A novel algorithm of artificial immune system for high-dimensional function numerical optimization

Artificial immune system has become a researchhot spot after the neural network, fuzzy logic andevolutionary computation[1,2]. Clone means propagat ing asexually so that a group of genetically identicalcells can be descended from a single common ances tor, such as a bacterial colony whose members arisefrom a single original cell as the result of binary fis sion. The idea has been extensively applied in somefields like computer programming[3,4], system con trol[5], interactive para…     

基于免疫的图形识别算法

本文提出了一种新型的基于免疫的图形识别模型并给出了相应的算法设计,定量的刻画了抗原、最佳抗体、成熟抗体、记忆抗体、免疫周期之间的演化情况,阐明了抗原提取、抗体特征库、成熟抗体、记忆抗体的产生方法,以及如何在解空间引入竞争机制.文章最后分析了此算法的时间复杂度.     

A novel algorithm of artificial immune system for high-dimensional function numerical optimization

Based on the clonal selection theory and immune memory theory, a novel artificial immune system algorithm, immune memory clonal programming algorithm (IMCPA), is put forward. Using the theorem of Markov chain, it is proved that IMCPA is convergent. Compared with some other evolutionary programming algorithms (like Breeder genetic algorithm), IMCPA is shown to be an evolutionary strategy capable of solving complex machine learning tasks, like high-dimensional function optimization, which maintains the diversity of the population and avoids prematurity to some extent, and has a higher convergence speed.     

基于生物免疫系统克隆选择机理和免疫网络理论的免疫算法

提出一种基于生物免疫系统克隆选择机理和免疫网络理论的免疫算法.该算法通过抗体的克隆选择和变异过程,完成对入侵抗原的清除,实现免疫防御的功能;利用免疫网络调节的思想选择抗体记忆细胞,完成知识的学习和积累,实现免疫自稳的功能;利用所建立的抗体记忆矩阵实现对类似入侵抗原的快速应答,行使免疫监视识别功能.该算法利用生物变异机制实现抗体的自适应调节,使系统具有自适应、自学习能力.在加热炉状态识别的应用研究表明,本文所提出的算法在解决数据识别方面具有较好的效果.     

基于Varela免疫模型的免疫控制器的设计与仿真

Varela免疫网络模型是继Jerne独特性网络模型之后的第二代网络模型,Varela免疫网络模型描述的是没有外来抗原作用时的T、B细胞因子的动态平衡关系.本文在此基础上建立了一种考虑抗原的改进的Varela免疫网络模型.然后基于这种能够在一定程度上合理描述生物免疫特性的改进Varela免疫网络模型,构造了一类与被控对象无关的免疫控制器模型.以大惯性大滞后模型为被控对象,采用仿真的方法研究了该免疫控制器的特性.仿真研究与分析表明:该免疫控制器具有一定的记忆和自学习能力,具有较好的抗纯滞后及参数自适应性能.文中将这种免疫控制器的参数变化对控制系统的影响也作了仿真研究.     

基于免疫联想记忆的病毒检测算法

针对现有算法只考虑未知病毒检测的片面性 ,论文综合借鉴生物免疫机制中一次反应的非选择思想和二次反应的联想记忆思想 ,提出了一种基于免疫联想记忆的病毒检测算法 ,该算法结合了免疫非选择对未知病毒的识别能力和免疫联想记忆对已识别病毒的学习记忆能力 .基于免疫联想记忆的病毒检测算法除能有效地检测未知病毒外 ,还能快速检测出已知病毒的变种或具有类似行为特征的病毒 .针对典型宏病毒的实验验证了本文算法的检测性能     

中枢记忆性T细胞和效应记忆性T细胞

免疫记忆是适应性免疫应答的重要特征,其细胞学基础的阐明是疫苗开发和疾病预防的关键。近年来的研究表明,记忆性T细胞可以被进一步划分为中枢记忆性T细胞和外周记忆性T细胞2个亚群,它们的分布和功能迥异,在生物学特性上也不尽相同。二者关系的深入探讨对于免疫记忆的认识和疾病防治均具有重大的理论和实践意义。     

基于疫苗机制的垃圾邮件过滤模型

针对传统的垃圾邮件过滤方法不能有效阻止出现的新型垃圾邮件的问题,借鉴生物免疫系统中疫苗的概念和免疫记忆功能,提出了一种基于疫苗机制的垃圾邮件过滤模型SFM-V(spam filtering model based on vaccine mechanism).该模型详细描述了垃圾邮件检测器的演化和抗原提呈的过程,通过疫苗控制器实现疫苗提取和疫苗接种,新生成的免疫记忆细胞作为疫苗实现信息交互,共享抗体.并引入小生境免疫记忆与共享机制,增加检测器的多样性及稳定性,促进免疫记忆库及原始抗体库中优良个体的保存,有效地提取和记忆垃圾邮件的未知特征和变异特征.利用CCERT(china education and research network)的邮件样本集对该模型进行训练和检测,仿真实验结果表明该模型有效地提高了垃圾邮件的正确率、召回率等特性,降低了垃圾邮件的虚报率.