文本处理中基于随机映射的加速LSI方法

首先针对在文本处理的高维矢量环境中Kohonen自组织映射神经网络的计算瓶颈问题和输入矢量空间中存在的问题进行分析，然后对随机映射(RM)和隐含语义索引(LSI)方法分别进行理论分析，提出用于文本处理的基于随机映射的加速LSI方法．试验结果表明，加速LSI方法可以在凸现原有语义联系的基础上，低代价、有效、可控地解决上述问题，极大地降低文本处理环境中Kohonen自组织神经网络的规模和计算代价．     

英汉翻译中的视点转换

视点转换指重组原语信息曲表层形式，从与原语不同甚至相反的角度来传达同样的信息，使译文在结构上、语义上做出的相对于原文的调整。视点转换内涵丰富、覆盖面广，可用来解释习惯称为“意译”的许多现象，由于英汉两种语言和文化的巨大差异，研究视点转换对英汉对比、英语教学会有所启示。     

文本分类中的特征选取算法

分析了常用的几种特征选取方法，提出了改进互信息算法。实验结果显示改进的互信息算法是可行的。     

批量图像叠加文字的程序处理

为解决批量图像上叠加文字的问题，比较了Photoshop批处理、GD图形库编程、Fire—worksJavaScript等几种大批量图像汉字叠加的程序处理方法，最后给出了一种利用ExcelVBA、以XML语言作为数据中介、以FireworksMX为图像处理工具的相对简便的解决方案。     

一种基于室内PC机传输的智能户外电子图文屏设计

介绍了一种利用PC机和单片机的串行口通信功能实现对LED大屏幕进行控制的系统。     

距离加权矢量量化文本无关的说话人识别

本文在研究说话人识别的矢量量化方法时，分析了用矢量量化建立说话人识别模型的可行性。针对量化码本描述的不完全性，提出了一种经距离加权的矢量量化方法，能更好地刻划出说话人语音特征空间的精细结构，从而提高正识率。本文还对特征参数ＬＰＣＣＥＰ的选取进行了理论分析和实验研究，提出了平均互—自差异比的概念，给出了一种对特征矢量的每一维分量识别能力进行定量化估算的公式。实验结果表明，距离加权矢量量化是一种具有很高正识率的与文本无关的说话人识别方法。     

互文性理论与钱锺书文学批评的文本网链

西方互文性理论强调文学历史中的文本存在着普遍的相互联系相互指涉关系。钱锺书的著作旁征博引,引合众多话语现象,具有强烈的互文性特征。在钱锺书的文学批评中,话语现象的聚合不是简单的罗列堆砌,它们通过不同的外部形态和内部结构,组成形形色色的文本网链,达成不同的批评目的。对这些文本网链的描述与分析,从一个方面揭示出钱锺书的文学批评与西方互文性理论的对话关系。     

局部核方法及其应用

核方法是机器学习中一种强有力的学习算法.多个领域的实践表明，通过将领域知识嵌入到核函数中，一般会得到比较好的学习效果. 从微分流形的观点讨论了机器学习中全局信息与局部信息的关系，并提出了一种嵌入局部有意义信息的核方法.文本分类的实验结果表明，与其它几个分类算法相比，它具有较高的性能.     

基于LSI和自组织神经网络的高效文本聚类方法

根据隐含语义索引(LSI)理论和动态自组织映射神经网络理论,提出了一种文本聚类的新方法.应用动态自组织映射神经网络来实现文本聚类,不必预先给定聚类个数,可以在任意合适的位置生成一个新的类,具有聚类灵活和精度高等特点,对于高维的文本特征向量来说,聚类速度很低;该方法应用LSI理论来建立文本集的向量空间模型,在词条的权重中引入了语义关系,消减了原词条矩阵中包含的"噪声"因素,从而更加突出了词和文本之间的语义关系.通过奇异值分解(SVD),有效地降低了向量空间的维数,克服了自组织神经网络的聚类缺陷,提高了文本聚类的精度和速度.