基于双层堆叠分类模型的水军评论检测

对于水军评论检测问题,已有方法在提取用户行为关系以及通过神经网络提取特征时复杂度过大,同时由于网络评论属于短文本类,其书写的不规范会导致训练过程中文本特征提取困难;另外,已有方法对数据集不平衡分布情况考虑不足。为此,提出了一种基于双层堆叠分类模型的水军评论检测方法。首先通过三元组形式构造矩阵表示用户间关系,并通过主成分分析得到低维用户关系表示,以此刻画用户在评论数据中的行为差异并且降低计算的复杂度;然后,通过评论的段落向量表示以及计算离散型特征(包括文本相似度、信息熵等)解决文本特征难以提取的问题;最后将三者相联结作为融合文本与行为特征的整体特征表示。利用集成学习的方法构造双层堆叠分类模型对评论分类,以提升模型在非平衡数据集下的检测性能。实验采用Yelp2013评论数据集,结果表明,与目前最好的基准方法对比, F₁值提高了1.7%~5.2%,在非平衡数据集中提升尤为明显。     

昙花总黄酮提取工艺研究

研究昙花总黄酮的提取工艺条件.采用传统热回流浸提法,以乙醇为提取溶剂,考察溶剂体积分数、提取温度、提取时间以及料液比对昙花总黄酮含量的影响,并在单因素实验的基础上,通过正交试验,确定昙花总黄酮的最佳提取工艺.结果表明,乙醇体积分数、提取温度、提取时间以及料液比对昙花总黄酮的含量均有影响;单因素考察结果显示乙醇体积分数为80%,提取温度为80℃,提取时间为4 h,料液比为1∶40(g/m L)条件下昙花总黄酮含量较高;正交试验优化的昙花总黄酮的提取工艺为乙醇体积分数为80%,提取温度为90℃,提取时间为4 h,此条件下昙花总黄酮含量为1.18%.本工艺简单、可行,为昙花的进一步开发利用奠定基础.     

一种序决策信息系统中的快速属性约简算法

为了提高无核或少核序决策信息系统中现有属性约简算法的执行效率,本文以知识粒度表征的属性重要度为启发信息并结合前向属性约简方法提出了一种新的属性约简算法。首先,介绍优势粗糙集方法的相关基础知识,并将经典粗糙集中基于知识粒度的属性约简算法引入优势粗糙集方法中,得到可处理序决策信息系统的属性约简算法;然后,通过分析序决策信息系统中知识粒在属性数目变化条件下的粗化与细化过程,得出相对冗余属性的判断定理,由此结合前向属性约简方法设计了快速属性约简算法;最后分析比较了2种算法的时间复杂度并选取了6个不同的UCI数据集进行算法性能的测试,测试结果表明,本文提出的算法比现有的属性约简算法高效。     

一类具有等级结构的种群系统的最优控制

研究一类基于个体等级差异的种群系统的最优控制问题.首先,利用不动点定理证明了系统解的存在唯一性;其次,利用特征线法和积分不等式证明了解对控制变量的连续依赖性;最后,通过共轭系统和法锥性质得到了最优控制的必要性条件.     

远程数据采集系统的分析与实现

提出了一种基于CAN总线的远程数据采集系统的设计方法。采用ARM体系结构的ARM9作为系统控制器,利用CAN总线作为硬件载体,使用RS232串口进行数据通信。通过对于软硬件的分析与设计、选择、实现等方面,描述了数据采集系统的开发过程。     

不一致邻域决策信息系统的增量式属性约简研究

属性约简是数据挖掘、机器学习等研究领域中的一个非常重要的预处理步骤,其效率的高低会直接影响到数据挖掘、机器学习等相关任务的性能。针对目前已有的非增量式属性约简方法在处理不一致邻域信息系统动态变化时无法高效更新属性约简的问题,提出一种在不一致邻域决策信息系统中对象集发生变化时的增量式属性约简方法。首先,该文以不一致邻域决策信息系统为研究对象,结合不一致邻域的特点给出了一种新的不一致度的表示方法。在此基础上用不一致度来表征属性重要度,以属性重要度为启发式信息研究不一致邻域信息系统对象集发生变化条件下邻域类以及不一致度的更新机理。随后,以不一致度为启发信息构建了增量式属性约简算法。进一步,在UCI上选取6个数据集,通过分类精度测试实验精选出各个数据集的最佳邻域半径δ,最后,利用最佳邻域半径δ在各个数据集上执行增量式属性约简算法实验,实验结果表明该文提出的增量式属性约简算法在保持分类精度不变的前提下较其他算法更加快速和有效。     

N-己基咔唑和苯作为聚芴衍生物封端基团的对比研究

采用Suzuki偶合方法合成了9,9-二辛基芴（DOF）与窄带隙单体4,7-二噻吩-2,1,3-苯并噻二唑（DBT）的共聚物PDOF-DBT,然后分别以N-己基咔唑和苯作为封端基团进行封端,并对其发光性能、电化学性能以及热力学性能进行了对比研究.结果表明N-己基咔唑替换苯作为PDOF-DBT的封端基团后,导致其发光颜色偏蓝,而且还有助于提高PDOF-DBT-B的发光效率,而且没有改变PDOF-DBT-B良好的热稳定性.     

一种基于相容块划分的动态增量式属性约简方法

属性约简是数据挖掘、机器学习等研究领域中的一个颇为重要的预处理步骤，其效率的高低会直接影响相关任务的性能.针对已有的非增量式属性约简方法在相容块粗糙集模型中对象集发生变化时无法高效更新属性约简的问题，提出一种以区分度为启发信息的增量式属性约简方法 .首先，引入相容块的概念并运用相容块对论域进行划分，在此基础上给出不完备信息系统的区分度定义；然后，详细分析对象集发生变化条件下区分度的更新机理；进一步，以区分度为启发式信息构造增量式属性约简算法；最后，选取六个UCI数据集进行增量式约简的更新实验.实验结果表明，在不影响属性约简精度的前提下，该增量式方法的时间消耗比非增量式更新方法平均缩短50%，更加可行和高效.     

基于改进T-Match技术的UHF频段RFID标签天线设计研究

为克服标准T-Match用于UHF频段射频识别(radio frequeney identification,RFID)标签天线设计存在T-Match尺寸较小时产生电抗较小的缺点,提出了一种改进的T-Match方法.该方法通过在标准T-Match的馈电点附近增加一段U形的微带线以增加T-Match的电感,获得较高的电抗.给出了使用该方法的RFID的标签天线的等效电路模型,通过理论计算与电磁分析软件设计了一个使用改进T-Match的折叠偶板子的UHF频段的RFID标签天线,该天线的最低回损达到-43 dB,在回损小于-10 dB时覆盖了RFID系统80％的UHF频段(840～940 MHz).结果表明,改选T-Match能较好地解决前述问题,设计的标签天线能获得较好的回损性能.     

金属学与热处理课程教学思考

金属学与热处理是材料工程专业一门重要的必修专业基础课,因此结合专业的特点,对金属学与热处理课程进行改革,提高学生的学习激情,是当前一项重要的教学任务。