一种基于类不平衡学习的情感分析方法

针对网络评论中普遍存在的负面评论较少而影响力却较大的类不平衡问题, 提出一种基于类不平衡学习的情感分析方法. 该方法利用深度学习训练过程中的概率输出, 以计算样例的信息熵作为影响因子构建交叉信息熵损失函数. 在IMDB公开数据集上进行实验验证的结果表明, 基于集成信息熵损失函数的双向长短期记忆网络能处理类不平衡问题; 对数据的统计分析结果表明, 该策略能提升基于双向长短期记忆网络的评论情感极性分类性能. 针对AUC(area under curve)指标, 使用集成信息熵损失函数的双向长短期记忆网络模型比未考虑类不平衡的深度学习模型在中位数上最多提升15.3%.     

矩阵极分解计算的一个注记

设$p$是大于$1$的偶数,根据方程$x^{-p}-1=0$的Newton求根公式, 给出计算非奇异矩阵酉极因子的数值方法,并证明了它具有二次收敛特性. 数值例子表明该算法是有效的.     

PI-强LU富足半群

通过对C-L^U-富足半群的刻画,给出了PI-强L^U富足半群的结构定理。     

从三个角度考察柯西不等式

柯西不等式是高等数学中的重要不等式,它在解析几何、数学分析与高等代数这3门数学专业主干基础课程中均有渗透.从这3门课程的角度,分别给出柯西不等式的不同形式和证明过程,并简要地阐述它们的联系,最后做出小结.     

高斯信道中功率分配问题的一种优化方法

信号检测中,检测概率一直是作为衡量检测性能的一个重要标准.众所周知,Neyman-Pearson准则下的最优检测是似然比检测.然而多传感器系统下随着信号维数增加,似然比检测门限的计算涉及高维积分,计算困难相当大,因此文中考虑的高斯信号检测模型,没有直接计算检测概率而是将两个密度函数的相对熵作为衡量检测性能的一个度量来研究高斯信号检测中功率的分配,并且建立了目标优化模型.针对文中建立的优化问题,首先由加强的Fritz John(F-J)必要条件证明了优化问题的局部最优解满足KKT(Karush-Kuhn-Tucker)条件,并且进一步证明存在惟一的拉格朗日乘子.然后利用凸函数的性质我们说明了D(P1‖P0)是tr(∑s)的非减函数,最后在此基础上得到了优化问题的最优解,即得到了功率分配矩阵.同时也给出了特殊信道下的功率分配矩阵.     

改进GA-BP神经网络在高校教学质量评价中的应用

为了提高高校教学质量评价的有效性和准确性,提出了一种基于混合智能优化算法的教学质量评价模型。引入熵值法客观地确定教学质量评价体系的指标权重及初始评价结果,利用自适应变异的遗传算法(Genetic algorithm)优化BP神经网络(Back propagation neural network)的参数,建立教学质量评价模型。实验结果表明,与BPNN(Back propagation neural network)、GA-BPNN(Genetic algorithm-back propagation neural network)模型相比,预测精度分别提高15.04%和5.41%,收敛速度明显提高,说明基于自适应变异的GA-BPNN教学质量评价模型能够及时有效地完成教学质量评价。     

Hom-李三系上的乘积结构和复结构

本文主要从代数角度研究Hom-李三系上的两种几何结构,即积结构、复结构。分别给出了积结构和复结构存在时对应的Hom-李三系的分解。同时,也研究了一些特殊的积结构和复结构。最后,在这两种结构间增加一个兼容条件,得到了复积结构。     

完全图的谱

本文通过组合数学和矩阵论的方法获得了完全图的特征多项式和谱,指出完全图的特征多项式的系数与图的结构之间的关系,并证明了邻接谱、拉谱拉斯谱和无符号拉谱拉斯谱三者之间的关系.     

二根树指标马氏信源关于赌博系统的极限定理

研究任意二根树图上二阶非齐次马氏信源的极限性质。通过构造相容分布和非负上鞅的方法,得到了任意无限连通二根树上二阶非齐次马氏信源关于广义赌博系统的一类广义渐近均匀分割性定理,也称广义ShannonMc Millan定理,并推广了已有的结果 。