基于VSM的中文文本分类系统的设计与实现

文本分类是指在给定分类体系下,根据文本的内容自动确定文本类别的过程。该文阐述了一个基于向量空间模型的中文文本分类系统的设计和实现。对文本分类系统的系统结构、预处理、特征提取、训练算法、分类算法等进行了详细介绍。引入标题权重系数改进词语权重,并提出了一种新的分类算法。实验测试结果表明查全率和准确率均达到90%左右,而且标题权重的引入和新分类算法的实施有效地改善了分类性能。     

漆树营养液对漆树生长及生漆质量的影响

以提高生漆的质量为目标,用专门配制的含磷、钾、硼、铜、镁等矿质元素和生长调节物质的"漆树营养液"对毛坝漆树进行喷施处理,观察漆树的生长情况并检测生漆质量.试验结果表明:①处理组较对照组漆树生长茂盛,树皮增厚,漆树落叶时间延长半个月左右,且无毒副作用;②处理组较对照组漆树所产生漆的漆酚、漆酶、树胶质等主要化学成分的含量增加;③处理组较对照组漆树所产生漆的感官检验指标明显改善;④处理组较对照组漆树所产生漆的表干时间缩短.其机理是施用"漆树营养液"后漆树的营养条件改善了,生漆的代谢合成能力增强了.施用"漆树营养液"可促进漆树生长并提高生漆质量.     

基于注入法的配电网接地故障检测方法

外加诊断信号法检测中低压配电网单相接地故障是一种行之有效的故障选线和定位方法。本文分析了外加诊断信号检测中低压配电网单相接地故障的基本原理，对外加诊断信号源的技术要求及其加入故障系统的方法作了探讨，介绍了诊断信号的探测方法，从受过渡电阻和分布电容的影响方面分析了外加信号法的性能。     

随机需求下企业的生产能力规划和柔性技术选择

根据生产产品种类能力的不同,生产技术可以分为刚性技术、部分柔性技术和完全柔性技术.由于完全柔性技术在投资上显著高于其他技术,企业在满足市场需求的前提下,更倾向于选择部分柔性技术来进行生产.考虑了不同技术的投资成本和操作成本的差别,建立了一个随机需求下的线性规划模型,从而研究了随机市场需求下的技术选择问题.通过仿真试验说明了技术选择的一些特性.     

基于遗传算法优化机器学习模型的地下水潜在性预测

传统机器学习模型在地下水潜在性预测中,未考虑最优因子组合,会对地下水潜在性制图产生不利影响。为此,提出了遗传算法优化支持向量机的地下水潜在性预测方法。以云南省彝良县为研究区,从地形、水文、土壤、地质等方面选取了共15个影响因子;考虑模型性能和影响因子的作用,利用遗传优化算法筛选了包含11个影响因子的最优因子组合;然后使用支持向量机方法构建了地下水潜在性预测模型;最后计算了因子优化前后的模型准确度和受试者工作特性曲线下面积（area under curve,AUC）,并绘制了模型的受试者工作特性（receiver operating characteristic,ROC）曲线和地下水潜在性预测图。结果表明：因子优化前模型的准确度为0.774,验证集AUC为0.789,因子优化后模型的准确度为0.777,验证集AUC为0.806,分别提高了0.003和0.017。可见,所提方法的准确性、可靠性优于传统的支持向量机法,其结果可以为区域水文地质调查和地下水资源管理与规划提供科学参考。     

基于模糊粗糙集的层次分类增量特征选择

随着大数据时代的到来,数据的类标签数量急剧增加,对现有的分类任务带来了严峻的挑战。为了解决这个问题,人们通常将标签组织成层次结构,使用结构中所包含的信息来对任务进行学习。考虑样本的不断增加,使用模糊粗糙集信息熵设计了一种面向层次分类的增量特征选择算法。考虑兄弟策略,将现有的λ条件熵推广到了层次分类的情形,设计了一种非增量的层次分类特征选择算法,设计了λ增量条件熵,基于此设计了增量版本的特征选择算法。在实验中,采用了包括非增量版本在内的7种不同的特征选择算法在5个层次数据集上与增量算法进行比较,实验结果验证了2种算法的有效性,并且所设计的增量算法能在不影响性能的情况下加快特征选择的进程。     

防城季节性雨林优势种罗浮柿测树因子曲线回归与通径分析

为探究防城季节性雨林优势种罗浮柿(Diospyros morrisiana)的形态特征及其相关生长规律,本研究基于防城那山子季节性雨林1 hm²群落样地实测数据,对其测树因子进行曲线回归和通径分析。结果表明：罗浮柿株高(H)、胸径(D)和冠幅(W)之间存在极显著的相关关系;胸径-株高、胸径-冠幅、株高-冠幅的最优回归方程均为幂曲线模型,表达式分别为H=3.0248×D^0.4501(R²=0.634)、W=0.6600×D^0.5462(R²=0.613)和W=0.3147×H^0.9108(R²=0.545);胸径和株高对冠幅具有极显著正向作用,胸径对株高的影响大于其对冠幅的影响,其对冠幅的影响大于株高对冠幅的影响。因此,罗浮柿的株高和冠幅可通过测定其胸径来估算。     

基于mRMR-IPSO的短期负荷预测双阶段特征选择

电力负荷具有时空多变的特性,受众多因素的影响,在短期负荷预测中较多的输入特征会造成维度灾难,导致模型预测性能不佳,因此选择合理的输入特征集至关重要。文章提出一种新的短期负荷预测特征选择方法——mRMR-IPSO双阶段法。利用最大相关最小冗余（max-relevance and min-redundancy,mRMR）判据对原始特征进行排序,考虑输入特征与输出特征之间相关性和输入特征间冗余性,筛选掉一些排序靠后的特征,初选出对预测效果影响显著的特征子集;采用基于改进的粒子群优化算法（improved particle swarm optimization,IPSO）的搜索策略,以LightGBM模型的预测精度为适应度函数,对初选特征子集进行精选,得到最优特征子集。算例结果表明,所提方法能在对原始特征集大幅降维的情况下提升预测精度。     

基于智能算法的多水源泵站在线优化控制技术

在供水系统实际运行过程中,调度人员往往根据实际需求,在当前水泵运行状态的基础上开启或关闭一台水泵,以调节管网中的压力和流量.人工经验的调度方式难以充分反映并结合管网中压力、流量的变化及实际需求,进而及时作出科学决策.针对此问题,提出了多水源泵站在线优化控制技术,建立了基于直接优化调度方法的在线优化控制模型,采用智能优化算法进行了求解,并确立了四项方案评价指标对在线优化控制方案进行评价.将所建立的模型,应用于南方城市供水系统在线优化控制中,验证了其实用性,并编制了相应的计算程序软件.     

多元散射校正和逐步回归法建立黑土有机碳近红外光谱定量模型

采用全谱建立近红外校正模型,计算工作量大且冗余信息多。通过特定方法筛选特征波长有可能得到更好的定量校正模型。逐步回归法在波长选取方面起到了重要的作用。多元散射校正技术（Multiple scatter correction,MSC）可以有效剔除由样品颗粒大小、装填密度、湿度等不同引起的散射影响,有效提高光谱的信噪比。以我国东北黑土为研究对象,采集了136个土壤样品3699cm^-1-12000cm^-1范围的近红外光谱,利用多元散射校正技术对近红外原始光谱数据进行预处理,评价MSC的去噪效果,并利用多元线性回归法建立了土壤有机碳含量与校正光谱优选波长点处吸光度之间的关系模型,评价多元逐步回归法优选波长的有效性。结果表明,多元散射校正技术有效降低了散射的影响,提高了相关光谱的信噪比,模型决定系数从0．598提高至0．681。基于手动挑选波长建立的模型决定系数高达0．956,预测样品集模型预测值与实测值之间的相关系数为0．823。手动挑选波长建立的SOC模型预测能力优于基于逐步回归方法建立的定量模型,利用逐步回归分析法优选波长还需要进一步研究。图7,参26。