问答系统中基于语义核函数的问题分类算法

提出一种基于语义核函数的问题分类算法,该算法基于问题的语法结构构建支持向量机(SVM)核函数.首先,将给定的问题解析为语法树结构,用语法树的子树表示该问题;然后,从词法、语法、语义三个层面提取问题的特征,构成更加丰富的特征空间;接着,基于问题的语法树构建核函数;最后,使用潜在语义索引方法并结合问题的词法、语法以及语义特征,通过语义核函数将特征空间映射到更有效的空间中进行问题分类.TREC数据集上的实验结果表明,通过词法、语法以及语义增强的问题特征空间可以提高分类准确率.     

基于堆叠自编码器神经网络的复合电磁检测铁磁性双层套管腐蚀缺陷分类识别方法

铁磁性双层套管长期服役于恶劣的工作环境,极易出现腐蚀缺陷,定期为服役中的双层套管进行在线检测十分必要,而对管壁腐蚀缺陷位置的分类识别是管道定量检测与维修的前提和基础,实时准确的套管腐蚀缺陷分类识别能力是决定管道在线检测效率的重要因素。针对这一情况,将脉冲远场涡流和脉冲涡流技术相结合,提出了基于堆叠自编码器神经网络的分类方法。通过仿真和实验选取合适特征量作为输入层,实现了内管外壁腐蚀、外管内壁腐蚀和外管外壁腐蚀的分类,实验整体预判精度可达97.5%,结果表明该方法可对双层套管腐蚀缺陷缺陷实施高效、高精度分类识别。     

基于主题加权LDA模型的情感分类方法

针对LDA(Latent Dirichlet Allocation)主题模型生成的大量topic,很大部分topic内部词语相关度很低,可解释性差,对语言模型后的应用效果带来一定的影响.针对这一问题,该文提出了一种基于主题加权LDA模型的情感分类方法,该模型实现不同主题中内部相关的词语特征加权计算,能够消除不同主题内具有相关度词语的相互影响.实验结果表明,与传统LDA模型分类方法对比,该文提出的基于主题加权LDA模型的情感分类方法平均F1值提高了6.7%～8.1%,验证了该文提出的方法是有效的,提高了分类效果.     

基于声信号的履带机器人地面分类试验研究

为了拓展地面识别方式及提升识别率,提出利用履带机器人行驶噪声进行地面类型识别.使用声压传感器采集履带机器人在行驶过程中与地面相互作用辐射的声音信号,对声音信号提取修正的梅尔频率倒谱系数（MFCC）及其一阶差分（△MFCC）使用优化后的支持向量机（SVM）进行分类,并测试了该方法在多种背景噪声环境下的效果.结果表明,行驶噪声包含能够表征地面特点的信息.相比于幅域、频域和时频域特征,修正的MFCC+△MFCC特征具有明显优势.在校园环境中分类准确率达到了89.5%,当信噪比高于20 dB时,在多种背景噪声环境中分类准确率均达到80%左右.      

论看守所管理体制改革——以比例原则为视角

比例原则是现代公法学中的“帝王条款”,比例原则应贯穿于看守所管理的整个过程,针对目前看守所管理中存在的有违比例原则的现象,建立看守所管理的分级管理和处遏制度是十分必要的,本文试图从比例原则的角度探讨看守所管理改革的若干思路.     

Classification,reconstructed phylogeny and geographic history of the Neotropical phorid flies of the genus Gymnophora (Diptera: Phoridae)

The Neotropical species of Gymnophora are revised to include 28 species, 17 of which are new. Two subgenera, Cerocratia (in a revised sense) and Gymnophora s.s. are recognized. Cerocratia includes Gymnophora triangularis sp. nov., G. acutangula Schmitz, G. latibrachia sp. nov., G. lacertosa sp. nov., G. chilensis Borgmeier, G. parachilensis sp. nov., G. aemula Borgmeier, G. forticornis Schmitz, and doubtfully G. colona Brues. G. adumbrata Borgmeier is considered as a junior synonym of G. aemula (syn. nov.). Within Gymnophora s.s. there are four major lineages, the G. commotria-group, the G. carina-group, the G. cymatoneura-group and the G. quartomollis-group. Of these, the G. carina-group and the G. quartomollis-group are known only from the Holarctic Region. The G. commotria-group consists of the G. forcipis-series, containing G. forcipis sp. nov., subuncata sp. nov. and uncata sp. nov., and G. damula-series, whose species are further organized into the G. strigula-subseries, containing G. strigula sp. nov. and G. unidentata sp. nov., plus the G. falciformis-subseries, containing G. alces sp. nov., damula sp. nov. and falciformis sp. nov. Also included in the G. commotria-group are eight residual species whose relationships cannot be deduced at this time. Three of these species, G. commotria Schmitz, penai sp. nov. and quadrata sp. nov. are more closely related to each other than to G. auricula sp. nov., brasiliensis Borgmeier, heteroneura Schmitz, inusitata sp. nov. and trispina sp. nov. The G. cymatoneura-group contains G. cymatoneura Enderlein and G. spiracularis Borgmeier, and the male of G. spiracularis is described for the first time. A key is given that permits identification of males of most species, but females cannot be identified with certainty. A partially sequenced classification of the genus indicates the relationships of most of the included species. The genus may have originated in the Neotropical Region, although the evidence is tenuous, and shows some similarity of distribution to Andean-centered plant groups.     

基于卷积神经网络和稀疏滤波的调制识别方法

针对当前通信系统所采用的主要调制方式,提出了一种基于卷积神经网络和稀疏滤波的调制识别方法。首先,分析了利用信号循环谱二维灰度图进行通信信号调制识别的可行性;然后,通过降采样和裁剪技术对循环谱图预处理;最后,设计了深度卷积神经网络架构,并提出了稀疏滤波预训练的方法。仿真结果表明:相比于经典的基于深度学习的调制识别方法,该方法模型简单,优化量少,且在小样本场景下性能最佳,具有很高应用价值。     

音乐推荐系统中的用户冷启动问题

利用新用户使用音乐时的上下文环境信息来解决冷启动问题.当用户播放音乐时，提取用户当时场景的时间、天气、状态等信息，利用这些信息构建决策树分类模型.当新用户使用音乐推荐系统时，提取当前情景的上下文信息，根据决策树分支和上下文信息判断新用户的兴趣，向新用户推荐音乐.实验结果表明，当采用上下文相关音乐推荐算法，推荐数目不超过6项时，新用户对推荐结果的满意度超过TopN算法.     

基于小波变换和支持向量机的心电信号ST段分类

摘要: 为完成ECG(Electrocardiogram)信号特征点提取, 并对ST 段分类, 提出了一种基于离散小波变换和支持向量机的ST 分类算法。首先对信号进行预处理, 完成噪声消除, QRS 波群检测和提取特征值; 然后计算ST段平均值、曲线面积和标准差, 并结合使用SVM(Support Vector Machine)对ST段进行分类。Matlab 仿真结果表
明, 小波去噪效果明显,ST 段未出现失真现象, 特征点提取完整。经MIT鄄BIT 数据库验证, 分类结果显示交叉验证准确率平均值为80. 70%, 训练准确率平均值为91. 83%, 测试准确率平均值为74. 28%。     

浅析复分表在图书分类中的应用

阐述了《中国图书馆分类法》复分表的定义和作用,分析了图书分类中正确运用复分表的必要性,探讨了图书分类中运用复分表存在的问题,提出了正确运用复分表的建议。