基于词-标签概率的多标签文本分类研究

针对多标签文本分类任务中如何有效地提取文本特征和获取标签之间潜在的相关性问题,提出一种CNN(convolutional neural networks)结合Bi-LSTM (bi-directional long short-term memory)的模型.首先,通过CNN网络和最大池化提取文本的特征;然后,利用训练的Labeled-LDA(labeled latent dirichlet allocation)模型获取所有词与标签之间的词-标签概率信息;接着,使用Bi-LSTM网络和CNN网络提取当前预测文本中每个词的词-标签信息特征;最后,结合提取的文本特征,预测与当前文本相关联的标签集.实验结果表明,使用词-标签概率获取文本中词与标签之间的相关性信息,能够有效提升模型的F1值.     

一种基于遗传算法的分类规则挖掘算法

对遗传算法应用于分类规则挖掘问题进行研究,提出一种基于遗传算法和Apriori算法的混合分类规则挖掘算法,该算法的具体方案包括分类规则编码、适应度函数定义以及对进化后的规则的约简方法,最后通过实例仿真证明了该算法的有效性。     

衰落信道中等增益分集用于调制分类

针对在Rayleigh和Rician慢衰落信道下的QAM信号的调制分类问题,提出一种新的基于等增益分集的调制分类算法。给出等增益分集用于调制分类的模型,对合并器输出信号的归一化四阶累积量进行估计作为分类特征,并推导了用于判决的等增益合并器输出信号的四阶累积量理论值。计算复杂度仅为N阶(N为样本个数),数值仿真实验结果以及与已有方法的比较证明了理论分析的正确性和算法的实用性。     

基于主题突变检测的颠覆性技术识别——以无人机技术领域为例

颠覆性技术对实现中国科技创新跨越式发展具有重要战略意义。以无人机技术领域为例,获取Web of Science论文数据库和德温特(Derwent)专利数据库2005—2019年收录的2812篇论文与专利数据,基于LDA-LSTM文本分类算法得到技术主题,采用CiteSpace构建共现网络,从突变权重排序及突变时间段和突变共词聚类知识图谱2个角度进行主题突变检测,进而识别出无人机交互技术中的脑机接口技术及手势控制技术为该领域内的颠覆性技术,通过2020年无人机技术领域相关论文专利验证了识别框架的有效性。     

基于误差分级迭代法的基坑变形预测

BP(back propagation)神经网络算法在变形预测方面存在收敛速度慢、学习效率低、容易陷入局部最小值等问题,直接影响预测结果的精准性,利用误差分级迭代法优化的神经网络能够更好地降低误差,提升预测性能.通过对比分析误差分级迭代法与BP神经网络的优势,建立误差分级迭代法模型并编制误差分级迭代法变形预测程序.采用...     

星空图像压缩算法

针对星空图像的平坦区域内存在大量冗余信息的特点,提出了一种基于目标对象的星空图像压缩算法.该算法将星图划分成相对平坦的背景和相对复杂的目标对象.编码时前者分配较少的码流,后者应用小波分解,去除该区域内像素间的相关性,并利用其所具有的能量聚集效应进行高效压缩.实验结果表明,采用该算法对星图进行高压缩比编码时能够获得较高的峰值信噪比,同时重建图像也具有良好的主观视觉效果.     

河北秦皇岛仙菜科Ceramiaceae红藻的分类研究

仙菜科Ceramiaceae是重要的海洋大型红藻类群,具有重要的研究价值和经济价值,但因其个体微小脆弱、形态多变等,分类上还存在许多不足。本研究利用生物冷冻切片及显微拍照等技术,通过形态解剖方法,对2019-2021年采自我国秦皇岛沿岸海域的仙菜科红藻进行分类学研究。经鉴定,样品中包括仙菜属Ceramium 3种,即波登仙菜Ceramium boydenii Gepp、三叉仙菜C.kondoi Yendo和孙氏仙菜(新拟名)C.sungminbooi J.R.Hughey et G.H.Boo,其中孙氏仙菜为我国新纪录种;对丝藻属Antithamnion 1种,即多姿对丝藻Antithamnion defectum Kylin;绢丝藻属Callithamnion 1种,即绢丝藻Callithamnion corymbosum(Smith)Lyngbye。本文对新纪录种及其他物种进行详细的形态特征描述,提供了解剖学特征图片及生物地理分布信息等内容。研究结果丰富了中国仙菜科的物种多样性。     

遥感专家分类系统在滇西北植被信息提取中的应用试验研究

 选取滇西北香格里拉县的大中甸乡作为试验区,基于GPS定位调查对试验区典型覆盖地物的遥感多光谱信息进行测定与分析理解,集成GIS功能进行地形模型的变量处理,利用ERDASIMAGINE遥感专家分类系统模块,探索对试验区主要植被类型进行智能提取的知识库设计与分类组织实施.初步探索结果表明.相对于仅仅基于遥感光谱信息的传统分类方法,由于专家系统技术可以组织多变量参与分类信息提取,并通过专家综合分析进行灵活多变的规则知识库设计,还可根据区域特征与环境资源管理需要对专家分类过程实行反复调试的功能,因此,专家系统技术在自然环境复杂多样的云南山区植被信息提取中具有较为突出的先进性和实用性.对于试验结果,可通过适当的规则修改调整,将有关技术方法应用推广到其它广大山区.     

辅以纹理特征的植被分类方法研究

纹理是遥感影像处理和计算机视觉领域中的重要研究内容,在植被遥感中有着非常广泛的应用前景。本文主要讨论在面向对象,多尺度分割的基础上,分别基于光谱信息和纹理特征的最邻近分类法提取南京某新开发区的植被信息。研究结果表明,与传统的基于光谱信息和基于象元特征的分类法相比,辅以纹理特征的最邻近分类法的总体精度分别提高了6.36%和1.16%。     

中国苦苣苔科植物物种中文名的选定/拟定原则建议初探

近十年来,已知分布于我国的苦苣苔科植物物种数猛增至719种(含种下等级,截至2019年1月),其中有大量的新发表类群。然而,这些新发表物种中,有相当多的一部分发表在国外相关学术期刊上,缺乏中文名的拟定,而且很多甚至在发表的时候就未对其拉丁学名的词源进行诠释。同时,由于近年来分子系统学背景下的科内属一级水平上发生巨大变动,国内不同学科的期刊在发表涉及苦苣苔科植物的文章时,不仅在学名的正确应用上存在一定的滞后和障碍,同时其新旧中文名的更迭以及近年来新分类群中文名拟定的随意性,也给国内该科植物物种多样性及相关的研究带来一定困难。因此,本文尝试梳理和规范苦苣苔科植物的中文名命名规则,以便中国苦苣苔科植物生物多样性研究和实际应用上的使用。这一规范的建立,不仅适合于现在已基本完成的苦苣苔科植物新分类系统,即便是未来在属一级水平上再次进行重组或修订,本规范依然能够适应且能让后来研究者更好地了解苦苣苔科植物的分类和修订历史。