稀疏自动编码器在文本分类中的应用研究

传统的文本分类算法都是采用期望交叉熵、信息增益和互信息等统计方法,通过设置阈值获取特征集,如果训练集的数据量较大,则容易出现特征项不明确,特征信息丢失等缺陷,为解决上述问题,提出运用“深度学习”中的稀疏自动编码器算法自动提取文本特征,然后结合深度置信网络形成SD算法进行文本分类。实验表明,在训练集较少的情况下,SD算法的分类性能低于传统的支持向量机,但是在处理高维数据时,SD算法则比支持向量机具有较高的准确率和召回率。     

数据挖掘在人才引进中的应用

信息资源的分析、整合在引进人才的竞争中起着越来越重要的作用.数据挖掘作为一种系统地检查和理解大量数据的工具,能有效地帮助高校及各企事业单位从不断积累与更新的数据中提取有价值的信息.因此,数据挖掘被引入到人才市场研究领域,并日益受到重视.从数据挖掘在人才竞争中的市场研究价值入手,探讨了数据挖掘在引进人才研究尤其是引进高层次人才中的应用,并给出了应用实例.     

基于限制玻尔兹曼机的无极性标注情感分类研究

已有的网络评论情感分类算法都需要手工标注词汇情感倾向,然而网络评论具有表达形式自由、模式多变、词汇更新速度快等特点,手工标注的方式适应能力较低。为解决上述问题,结合限制玻尔兹曼机和相似差异向量运算,通过降低向量相似度,强调其差异性的方式,提出基于限制玻尔兹曼机的无词汇标注情感分类算法。实验表明,该算法虽褒义精确度稍低于支持向量机,但是在贬义精确度上优于支持向量机,并且不需要进行词汇情感倾向标注,降低了算法的复杂度,提高了泛化能力。     

《中图法》(第四版)修订特色与TP类图书标引对策

分析了《中图法》 (第四版 )的修订特色 ,对比研究了TP类目新旧版本的区别 ,根据本馆的实际 ,制定了针对本馆TP类图书分类标引的对策     

试论△t.△E≥/2能否作为量子力学不确定关系

从现行 4种典型的时间—能量不确定关系出发 ,分析其中的△ t、△ E及△ t.△ E≥ 2 (含△ t.△ E≈ h)的意义 ,得出不宜把△ t.△ E≥ 2 (或△ t.△ E≈ h)当作与△ x .△ Px ≥ 2 (或△ x .△ Px ≈ h)并列的量子力学不确定关系的结论 ,并提出一些解决此问题的建议 .     

论现代经济预测方法的分类原理

分析了现代经济预测的定化、面对数据流、灰色、非线性、动态和智能化等主要特征。简要回顾了经济预测的传统分类方法,认为它己不能很好地满足现代经济预测的要求。然后,根据现代经济的预测特征,结合现代数学、计算机技术和信息技术等的发展,提出了一种新的经济预测分类方法。并阐述了这种分类方法在现代经济预测中所适用的范围。由于现代经济的变化是复杂多变的,在预测时为了准确、真买、迅速地反映其运行规律,有时采用多种预测方法组合预测,有时采用动态仿真预测。     

基于优化Shapelet的时间序列分类方法

基于Shapelet的时间序列分类算法具有可解释性强、准确率高、速度快的优点,然而在Shapelet发现过程中存在Shapelet产生冗余和形式局限的缺点,严重制约了算法性能的提高。针对这一问题,提出一种基于优化Shapelet的时间序列分类算法,该方法首先利用K-means生成典型的Shapelet候选集,加速Shapelet的生成过程;然后,融合相似性和类标差异性提出Shapelet的选取模型,确保Shapelet的多样性和精简性;最后,提出优化策略获取最佳的Shapelet,并以此为基础实施时间序列分类。实验结果表明,该方法具有较高的分类准确率,并对位移和扭曲特征明显的数据集具有良好的分类效果。     

基于降噪自动编码器的不平衡情感分类研究

目前,网络评论的情感分类研究大部分是不平衡样本数据,正向样本的数量一般远大于负向样本,对这种不平衡样本集进行分类时容易产生少数类误差较大的问题。而且由于网络评论的表达形式多变,不易获取到大量的有监督的数据。针对上述问题,对无监督的不平衡网络评论情感分类进行研究。首先通过改进降噪自动编码器,提高少数类的特征值,避免分类样本向多数类偏移。然后将获取的特征值作为k-means算法的输入值,实现了无监督的样本分类。实验证明,该算法对不平衡率较高的样本具有良好的适应性,从而验证了算法的有效性。     

KNN分类算法研究

KNN算法是应用最广泛的分类技术之一。文章简要介绍了KNN算法的基本原理,重点论述了研究人员针对KNN算法的不足所做的各种改进。主要从距离计算的改进、降低计算复杂度、K值的选择、与其它方法集成几个方面进行分析研究。     

顶点数不超过7的图按参数A(H)的完全分类

本文根据图的直径,通过对图H联系数集的分析,给出了顶点数不超过7的所有1256个图按A(H)=0,1,2,3,4的完全分类．