层次分类诊断模型的面向对象实现

基于面向对象的思想，论述了诊断问题的分类层次和证据模式，提出用面向对象的框架结构表达诊断知识的模型，并给出其推理过程，以此为基础，用Ｂｏｒｌａｎｄ Ｃ＾＋＋语言实现了层次分类诊断模型，并将其应用于汽轮发电机组的故障诊断系统中。     

面向对象的人工神经网络模拟

面向对象程序设计已成为９０年代程序设计的主流，它采用全新的方法来求解问题，本文在概述面向对象程序设计的基础上，着重介绍了用面向对象程序设计语言Ｃ（＋＋）来表示神经网络结构和学习算法，介绍了实现ＢＰ和ＢＡＭ网络的软件模拟技术，并给出了一个应用实例。     

旋转机械故障诊断的框架知识表示

专家系统的核心是知识，有效，正确的知识表示是专家系统中知识处理的最基本前提，针对旋转机械故障专家系统中的知识表示问题，作 用框架结构对其知识进行表示，并讨论了框架结构表示的推理技术和搜索技术，使旋转机械故障诊断专家系统能利用这些知识进行迅速推理并得出正确的诊断结论。文中给出了其在C＋＋语言环境下的实现方式，顺便讨论了框架知识表示与面向对象知识表示之间的关系。并在VC＋＋集成开发环境下开发出了一个知识表示的演示模型，结果说明该知识表示方式是有效的。     

面向对象的人工神经网络模拟

面向对象程序设计已成为９０年代程序设计的主流，它采用全新的方法来求解问题，本文在概述面向对象程序设计的基础上，着重介绍了用面向对象程序设计语言Ｃ＾＋＋来表示神经网络结构和学习算法，介绍了实现ＢＰ和ＢＡＭ网络的软件模拟技术，并给出了一个应用实例。     

随机参数迭代在数字仿真中的应用

讨论仿真、分类的概念和数学建模，提出了随机参数迭代方法在数字仿真建模中的应用，建立了一个“导弹打飞机”的数字仿真模型，以及在该模型在Ｗｉｎｄｏｗｓ９５下用ＶＣ＋面向对象的设计和可视化实现过程。     

基于像元和对象分类的城区植被高分辨率遥感制图比较研究

本研究利用高空间分辨率遥感影像和LiDAR数据,参照美国USGS植被分类体系,在两种不同分类层次上,评价了基于像元和基于对象分类两种方法的城区植被覆盖专题制图效果.采用传统的基于像元监督最大似然分类时,在下层分类层次,分类总精度仅为70.5%,Kappa系数为63.5%.当在上层分类层次进行分类时,分类精度相对下层分类层次有明显提高,总精度达84%,Kappa系数为75.8%.而采用面向对象的分类方法时,在下层分类层次,分类总精度为86%,Kappa系数为82.3%.在上层分类层次,总精度达90.8%,Kappa系数为86.2%.研究结果表明,在城区两种不同植被分类层次,面向对象分类结果都取得了优于基于像元的分类结果.     

一个基于面向对象方法的文件阅读器软件

本文介绍了面向对象程序设计方法的关键概念，同时着重介绍了一个基于面向对象程序设计方法的文件阅读器软件的设计和实现．该软件用美国ＢＯＲＬＡＮＤ公司于１９９１年推出的最新面向对象的程序设计语言ＴｕｒｂｏＣ＋＋２．０版在２８６微机上调试通过。     

在CAD／CAPP／CAM集成化系统中基于特征零件模型的建立

结合研制的几个机械类型零件，在ＣＡＤ／ＣＡＰＰ／ＣＡＭ集成化系统中，采用面向对象技术，将机械加工系统分解为零件、加工工艺、制造资源等对象并将其分类。利用面描述和体描述等方法，在不同层次上对零件特征进行分类，在总结归纳相互关系基础上介绍建立系统模型的原理和方法。并将该方法应用于实际。     

面向对象的多层次规则分类地物遥感信息提取方法试验分析研究

监测土地覆盖变化是目前高分辨率遥感的重要应用领域，城市覆盖地物变更速度快、地物类型复杂，使用传统方法提取监测难度较大。针对此问题，选择云南省大理白族自治州上官镇为研究区，以GF-2 PMS遥感影像为数据源；采用面向对象的方法对研究区进行最优分割尺度分割，选取最优特征组合用于构建模糊分类规则，分层次进行地物提取，最终获得研究区地物类型分布图。运用混淆矩阵方法进行精度评价，面向对象的多层次规则分类法提取分类效果良好，分类总体精度达79.95%,Kappa系数为0.74。与基于像元的分类方法和单一尺度下面向对象的提取分类法相比，面向对象的多层次规则分类法精度明显提高，说明本方法运用于复杂地物提取分类具有较好可行性。     

基于C＋＋语言中的二义性辨析及其对策探讨

阐述了面向对象程序设计C＋＋语言中可能产生二义性的若干情况，井通过程序实例，探讨其出现二义性的原因，提出其解决策略。     

层次分类诊断模型

基于分类问题的普遍性,针对复杂系统的诊断问题,提出一种层次分类诊断模型,并解决了其中的关键技术问题.论述了如何建立诊断问题的分类层次和证据模式;提出了诊断知识的组织模型与表达方法;并给出了完整的推理控制算法.以这一模型为基础,建立了一个汽轮发电机组故障诊断专家系统.     

基于主题加权LDA模型的情感分类方法

针对LDA(Latent Dirichlet Allocation)主题模型生成的大量topic,很大部分topic内部词语相关度很低,可解释性差,对语言模型后的应用效果带来一定的影响.针对这一问题,该文提出了一种基于主题加权LDA模型的情感分类方法,该模型实现不同主题中内部相关的词语特征加权计算,能够消除不同主题内具有相关度词语的相互影响.实验结果表明,与传统LDA模型分类方法对比,该文提出的基于主题加权LDA模型的情感分类方法平均F1值提高了6.7%～8.1%,验证了该文提出的方法是有效的,提高了分类效果.     

支持向量机与哈夫曼树实现多分类的研究

提出了基于哈夫曼树的支持向量机多分类方法,该方法首先将1个多分类问题分解为多个2分类问题,针对每个2分类问题使用支持向量机2分类方法解决;然后根据相异度来决策分类的优先顺序,构建基于哈夫曼树的支持向量机多分类模型;最后使用勒卡斯开源数据集进行验证,并将它与传统的支持向量机多分类方法进行实验比较。实验结果表明:新的方法在分类速度和分类精度上较传统的支持向量机多分类方法优越。     

基于模糊集的时序关联规则的度量准则

指出了时序关联规则在支持度度量上的不足,存在处理高密度海量数据时往往要耗费大量的时间处理规模巨大的频繁候选集,同时需要多次重复扫描数据库,执行效率低等问题,提出了重新定义支持度度量方法的时序关联规则.针对时序关联规则在解决项分类时涉及到的分层不确定、不准确情形,引入了基于隶属度的模糊层次分类结构,定义了项间距离、项集间距离,最终得到一种新的关联规则间距离的度量方法.实现了模糊层次分类,将时序关联规则结果进行聚类分析,得到规则和规则之间相似性,实验验证了该方法的有效性.     

医学图象三维可视化方法的分类研究

文章提出了１种新的三维显示方法分类模型，首次将体表绘制方法独立出来，在新的分类模型下对现有的显示方法进行了综述，并深入探讨了不同显示方法之间的内在联系．     

基于双通道融合和BiLSTM-attention的评论文本情感分类算法

对在线商业评论文本的情感进行挖掘,融合评论文本不同特征为分类器提供更多的信息量,提出了一种新的在线电商情感分类算法。首先,针对传统词嵌入模型无法很好地融合词语情感信息特征的不足,考虑了词嵌入特征和词性特征的多特征融合方法;其次,在两种特征融合方法的基础上采用了双通道和单通道的对比来比较分类的准确性,提出了并行的CNN和BiLSTM-Attention双通道神经网络模型;最后,使用真实的京东电商评论数据集对所提模型进行了评估,并且在实验中与不同分类算法进行对比。实验结果表明,新的混合方法具有更好的分类准确率、召回率和F1指标。     

基于双通道融合和BiLSTM-attention的评论文本情感分类算法

对在线商业评论文本的情感进行挖掘,融合评论文本不同特征为分类器提供更多的信息量,提出了一种新的在线电商情感分类算法。首先,针对传统词嵌入模型无法很好地融合词语情感信息特征的不足,考虑了词嵌入特征和词性特征的多特征融合方法;其次,在两种特征融合方法的基础上采用了双通道和单通道的对比来比较分类的准确性,提出了并行的CNN和BiLSTM-Attention双通道神经网络模型;最后,使用真实的京东电商评论数据集对所提模型进行了评估,并且在实验中与不同分类算法进行对比。实验结果表明,新的混合方法具有更好的分类准确率、召回率和F1指标。     

基于改进理想点模型的岩体结构面分级方法

鉴于以往的结构面分级方法多为宏观定性分析,不利于指导实际工程设计和施工,提出了一种基于改进理想点模型的结构面定量分级方法.首先考虑结构面分级的多种影响因素,采用7个指标进行定量表征,建立了结构面多指标分级体系;然后用最小熵原理优化层次分析法及熵权法权重,从而改进理想点模型,得到最优组合权重;最后将改进后的模型应用于重庆市兴隆隧道实测结构面分级中,并与工程实际对比.结果表明:改进理想点模型所得分级结果与实际工程较为一致,准确率达93.3%,具有较强的可靠性及工程实用性,可为岩体结构面分级提供一种新的思路和方法.     

并行计算在词袋模型算法中的应用

传统词袋模型已广泛地应用于图像处理领域,并取得较好效果.但在传统词袋模型中,仅考虑了串行计算,使得整个算法流程耗时较长.考虑现有的多核CPU资源,结合共享存储并行编程(OpenMP)并行框架,对词袋模型进行并行优化,并对其性能进行讨论.主要考虑对特征提取、特征聚类和图像直方图生成三个部分进行并行优化.通过对Caltech 100数据库进行实验,结果表明,该方法可以取得接近于CPU核数的加速比,因此减少了词袋模型的构造和图像直方图生成时间,相对于传统词袋方法提高了算法的效率.     

基于聚类算法的电力制造业ERP数据分类

鉴于传统制造业企业仓储分类方法分类边界不明确、难以适应现代企业信息化发展趋势的问题,提出了基于聚类算法的ABC库存分类算法,提升了传统库存分类模型的分类精度和效率。以某电力制造业企业的库存产品数据为研究对象,结合聚类算法与ABC分类法提出了适用于实际研究场景的评价函数,并给出了新的基于k-means 算法的ABC分类法。采用该分类模型对库存环网柜产品进行分类,并基于ERP系统中存储的产品数据将库存环网柜产品分为A、B、C三类,根据分类结果对不同类别的环网柜产品采取不同的库存控制策略。研究结果表明,将数据挖掘算法应用于库存管理实现了企业库存管理决策的科学化和智能化。