基于语义簇的中文文本聚类算法

针对中文文本聚类受语义、 语法、 语境等因素的影响, 在使用传统向量空间模型向量化表征后, 文本向量之间相互独立, 语义关系被忽略, 影响聚类分析结果的问题, 提出一种基于语义簇的中文文本聚类算法. 该算法根据词共现的原理和语义相关性, 首先使用词频-逆向文档频率(TF-IDF)方法求得特征词权重, 利用特征词的搭配向量构建语义簇; 然后使用特征词及其搭配词的权重, 将特征词向语义簇中心进行空间变换, 求得嵌入语义信息的文档向量; 最后利用文档向量进行K-means聚类分析. 实验结果表明, 该向量化表示方法, 能有效提高文本向量对文本语义的逼近能力, 同时可提高文本聚类结果的准确率和召回率.     

广义Lorenz映射的混沌行为及不变密度

用符号动力学证明了广义的、即具有2个或以上间断点的分段线性Lorenz映射以移位自同构为子系统,即系统是混沌的,并给出了拓扑熵的下界以及Lyapunov指数的上界与下界.讨论了广义Lorenz映射的不稳定周期轨道的周期及稠密性,给出了不稳定周期轨道的周期.用构造下界函数的方法论证了分段线性广义Lorenz映射在随机作用随机扰动下系统具有统计稳定性.     

余剩余格的理想和嵌入定理

基于余剩余格理论,给出了余剩余格的理想、主理想、素理想、极大理想和同态的概念,讨论了它们的性质,并引入距离函数,给出了余剩余格中的同余关系.研究得到余剩余格的嵌入定理,即满足预线性条件的余剩余格均可同构于一簇全序余剩余格乘积代数的子代数.     

H.264视频压缩域水印嵌入位置的分析

视频水印技术按照水印与视频的结合形式,分为压缩域水印和原始视频水印。压缩域水印可以很好地利用视频序列在时间上的冗余,但嵌入水印信息量较小;原始视频水印技术没有充分利用视频序列时间冗余度,但嵌入水印的信息较多,耗费时间较多。HG算法可以不解码视频而快速嵌入水印信息,但嵌入容量有限。本文改进HG算法通过分析非关键帧运动矢量,选择关键帧嵌入位置,使得在压缩域嵌入水印时,水印嵌入速度和嵌入量有较大幅的改进。     

基于局部颜色直方图的SIFT算法研究

尺度不变特征变换(SIFT)算法是一种对旋转、尺度缩放和光照保持不变性的局部特征图像匹配算子,是公认的识别率最佳算法之一。而SIFT算法仅使用灰度信息,忽略颜色信息,当对彩色目标识别时,识别率降低。针对此问题,结合直方图保持良好的旋转、缩放、模糊不变性等特点,提出基于局部颜色直方图的SIFT特征描述算法(即CH-SIFT)。在SIFT算法关键点位置不仅生成梯度直方图特征描述,同时生成颜色直方图特征描述。在匹配时,首先使用梯度直方图特征描述对匹配对初次筛选,然后使用颜色直方图特征描述再次筛选,最后确定是否为满足条件的匹配对。实验对比表明,CH-SIFT算法具有识别率高和匹配时间短等优点,能够有效地实现彩色目标匹配。     

小世界邻域优化的局部线性嵌入算法

通过分析稀疏数据或噪声数据,导出局部线性嵌入(LLE)算法出现失效的原因,由此提出了一种基于小世界邻域优化的局部线性嵌入(SLLE)算法.将复杂网络算法引入到流形学习中,利用小世界算法对LLE算法进行数据优化,并以最短路径和局部集群系数作为局部优化参数,解决了数据点不规则时以欧氏空间作为邻域判别标准在构建局部超平面造成嵌入结果扭曲的难题.通过3组标准测试数据集合比较了SLLE、LLE算法,结果表明SLLE算法的计算效果、鲁棒性、非理想数据的降维结果均优于LLE算法,且计算正确率至少提高10%.     

基于保持近邻判别嵌入的人脸识别

保持近邻嵌入(NPE)是一种子空间学习方法,具有保持数据流形上局部邻域结构的属性.虽然NPE已在一些领域得到应用,但解决识别任务还有局限性.为改进NPE的识别性能,提出了一种保持近邻判别嵌入(NPDE)人脸识别方法. 在NPDE算法中,有效结合了LDA和NPE的思想,具有很强的判别力,还能根据先验类标签信息保持局部邻域的固有几何关系.在ORL人脸库以及Yale人脸数据库上的实验结果表明提出的方法是有效的.     

一个慢性消耗性疾病模型的不变代数曲面

研究了一个由三维常微分方程组成的慢性消耗性疾病(CWD)模型.用特征曲线法求出了该系统的全部不变代数曲面,并给出广义首次积分存在的条件.     

图搜索问题算法推导及形式化证明

用非形式化方法解决图搜索问题规模受限,对于一些复杂问题难以保证其正确性.传统的形式化方法推导图搜索问题难以理解且不易于形式化证明,现有形式化方法对这类问题的解决方案较少,在保证可靠性和正确性方面有欠缺.该文通过对图搜索问题的深入研究,开发出一种针对解决图搜索算法的新方法.首先刻画问题的规约,利用循环不变式的递归定义技术给出了开发图搜索问题循环不变式的新策略,在此基础上得到Apla抽象算法程序,并对该算法程序进行了形式化证明,再将已验证的Apla算法程序自动生成C++可执行程序,实现了从抽象的形式规约推演出具体的面向计算机的程序代码的程序精化完整过程.以拓扑排序和广度优先遍历为例对所提方法进行实验,实验结果验证了所提方法的有效性,不仅可以推导和证明已知算法,而且对未知算法的推导也有指导性作用.     

基于实体信息和图神经网络的药物相互作用关系抽取

药物相互作用是指药物与药物之间相互促进或抑制.针对现有的药物关系抽取方法利用外部背景知识和自然语言处理工具导致错误传播和积累的问题，以及现有大多数研究在数据预处理阶段对药物实体进行盲化，忽略了有助于识别关系类别的目标药物实体信息的问题.论文提出了基于预训练生物医学语言模型和词汇图神经网络的药物相互作用关系抽取模型，该模型通过预训练语言模型获得句子的原始特征表示，在基于数据集构建的词汇图上进行卷积操作获得与句子相关的全局特征信息表示，最后与药物目标实体对特征进行拼接从而构建药物相互作用关系提取任务的特征表示，在获得丰富的全局特征信息的同时避免了使用自然语言处理工具和外部背景知识，提升模型的准确率.论文的模型在DDIExtraction 2013数据集上的F₁值达到了83.25%,优于目前最新方法2.35%.