一种基于位向量流分类算法的改进

在流分类算法中,聚合位向量(ABV)算法分类速度快、并行性好,但内存开销过大;位向量折叠(AFBV)算法对ABV算法进行了改进,降低了运行时内存的消耗,但其冗余计算增加了时间开销。针对上述不足,文章提出一种改进的位向量流分类算法,该算法无需进行位向量聚合,减少了内存开销,并按规则的源/目的IP地址前缀建立分组表,根据表中分组所包含IP地址数目降序排列,使得算法具有良好的时间性能。实验结果表明,本算法在大规模规则库下具有良好的时间和空间效率。     

一种新的EOSTBC反馈算法

EOSTBC是一种全速率的OSTBC,通过对EOSTBC和信道状态信息的分析,本文提出了一种新的EOSTBC的反馈算法,算法采用闭环方案。仿真和分析结果表明本文提出的反馈算法能较好的改善STBC的性能。     

一种面向专利信息的文本自动分类算法

讨论了两种常用的文本分类算法：Rocchio方法和K近邻方法。前者速度快，但是分类精度通常不能令人满意。后者则相反，他在分类时要花费更多的时间，但分类效果要好很多。通过综合他们的优点并结合专利文本的特点提出了一种适用于专利文本自动分类的层次分类方法。实验表明，该算法具有较好的分类精度与效率。     

基于支持向量机的网络信息过滤模型研究

随着互联网信息的迅速增长,信息过滤技术得到越来越广泛的应用.笔者将支持向量机引入到信息过滤中,利用它来训练样本进而构建用户模板.同时,考虑到用户信息需求的动态性及构建完备训练集的困难性,在系统中引入反馈技术来进一步调整优化用户模板,提高过滤的自适应能力及准确性.     

一种改进的快速支持向量机分类算法研究

快速的支持向量机分类算法--FCSVM对支持向量集采用变换的方式,用支持向量集的子集代替全部支持向量进行分类计算,在保证不损失分类精度的前提下使得分类速度较传统SVM算法有较大提高. 为了获得最小的支持向量子集,同时避免支持向量的移动,对FCSVM算法进行了改进.采用二分法优化分类函数中的支持向量数,给出了变换矩阵存在的充要条件及构造方法,减少了计算量.实验结果表明,改进的快速分类算法较大幅度地减少了计算复杂度,提高了分类速度,尤其在训练集规模庞大、支持向量数量较多的情况下,效果更加明显.     

三种分类算法的实验比较

对文本自动分类算中的k最近邻算法、向量空间模型算法以及混合分类算法进行了比较分析，在构造分类用知识库的主题抽取方法相同的条件下，使用中国资讯行提供的2000篇网上新闻语料分别对3种分类算法作了实验研究、实验结果表明，针对网上新闻而言，混合分类算法性能指标优于另外2种算法．结合实验语料环境，对3种分类算法的适用范围作了分析．     

一种基于反馈策略的自适应选择人工蜂群算法

雇用蜂觅食策略对人工蜂群算法性能有较大影响,而单一的觅食策略难以适用于所有问题的搜索空间,并且算法运行的不同阶段所适合的搜索策略也不尽相同.因此,如何为一个给定的函数优化问题选择最佳的觅食策略尤为重要.针对这一问题,提出了一种基于反馈的觅食策略自适应人工蜂群算法SSABC,该算法能够在优化过程中为一个给定的优化问题自动选择最佳的觅食策略.实验表明,与经典ABC(artificial bee colony algorithm),PSO(particle swarm optimization),DE(differential evolution),GA(genetic algorithm)算法相比,SSABC算法的寻优能力有较大提高.     

基于N层向量空间模型和两重过滤方法的文本过滤系统的研究

本文首先介绍了信息过滤技术的提出背景、概念、传统向量空间模型存在的问题。针对中文文本层次结构的特点,提出了基于N层向量空间模型中文文本过滤的方法;在引入了用户主题不相关配置文件和不相关阀值的基础上提出了一种两重过滤方法。随后给出了基于N层向量空间模型中文文本过滤系统的原理。     

基于改进遗传PID算法的能量回馈制动系统

针对目前能量回馈系统效率低的问题, 提出一种基于改进的遗传PID（比例-积分-微分）算法对能量回馈系统进行控制. 首先建立回馈制动的数学模型, 然后根据其模型采用仿真软件（MATLAB）, 并结合改进的遗传PID算法进行仿真实验. 实验结果表明, 改进的遗传PID算法比传统PID算法控制效果更好, 稳定性、 鲁棒性及抗干扰能力更强, 且回收效率提高了25.8%.     

面向个性化需求的用户建模技术研究

从用户需求多样性和随机性出发探讨了用户建模技术。对模型表示和模型更新两项关键技术进行了研究。基于向量空间模型表示用户模型,采用重心向量分类算法建立用户模型。分析用户浏览行为隐性地获取反馈信息,计算文档反馈度,提出了一种基于Rocchio算法的周期性自适应学习机制更新用户模型。以用户满意度为评价指标,通过实验,验证了对用户需求变化的动态追踪能力。     

组合前馈网络的并行算法

讨论并分析组合前馈网络在ＳＩＭＤ－ＣＲＥＷ模型上的并行算法。     

基于向量空间模型的改进音频分类算法

提出一种基于向量空间模型(VSM)的音频分类算法.特征提取中,针对目前采用的参数主要为静态特征,提出了基于信息论的动态特征计算方法,并根据其物理意义设置关键帧提取中的初始值,解决聚类局部极值问题.通过引入音频聚类的类内标准差,对传统VSM未处理特征项间相关信息的缺点进行改进,提出新的相似性度量方法,并以此方法对不同类别的音频构造分类器.实验结果证明,此方法提高了分类精度,准确度可达85%以上.     

基于改进的LBG算法的SVM学习策略

针对SVM方法在大样本情况下学习和分类速度慢的问题,提出了利用LBG算法对训练样本进行预处理,然后再使用传统的SVM算法进行训练的策略,并提出了一种改进的LBG算法．通过对仿真数据以及对实际的纹理图像的分类实验表明,这种预处理方法能在保持学习精度的同时减小训练样本以及决策函数中支持向量集的规模,从而提高学习和分类的速度．     

基于改进遗传算法的空间信息网恢复策略

由于空间网络的高动态性及资源受限等原因,其可靠性面临严峻考验,亟需一种合理的风险评估及性能恢复方案.针对空间信息网的弹性恢复策略,采用基于改进遗传算法的恢复策略确定受损元件的修复顺序,以加快弹性恢复;采用网络拓扑控制方法,弱化受损关键节点的重要程度,降低网络弹性损失.实验仿真了不同恢复资源数量下采用不同恢复策略的网络弹...     

基于蚁群聚类的信息检索系统研究

网络信息量的急剧增加,使得信息检索的速度急剧下降。本文利用蚂蚁堆形成原理,进行了聚类分析,提出了一种蚁堆聚类算法,并应用到Web信息检索系统中。实验结果表明：蚁堆聚类精度高、速度快,提高了信息检索速度和效率。     

基于改进的卷积神经网络邮件分类算法研究

针对传统文本分类方法中出现的维度过高和数据稀疏问题,通过对卷积神经网络(Convolutional Neural Network,CNN)和 inception V1 模型的深入研究,将两个模型融合起来,提出了一种基于 i-CNN 模型的 邮件分类方法;在卷积、池化操作中加入了 1×1 卷积核降低特征向量的厚度,减少了参数,提高了计算性能; 通过数据验证,i-CNN 模型对邮件的分类结果高达 92. 18%,在对比实验中,i-CNN 模型相对于几种机器学 习分类模型,取得了最高的分类精准率,在有无 inception 结构模型对比中,i-CNN 模型精准率高于 CNN 模 型;说明该模型具有较好的分类效果,且 inception V1 模型的融入能提高文本分类的准确率。     

基于用户需求的高校校园网络信息分类体系研究

对目前高校校园网络信息的分类方法进行了研究,在大量文献研究的基础上,通过网络调研和校园网用户问卷调查,运用分类法知识,主要从网络信息种类、校园网络用户需求的角度进行了分析,总结出一套针对高校校园网络信息的分类体系。