突发事件中基于支持向量机算法的文本分类研究

近些年来突发事件的频发使得人们对该领域的关注越来越多,因此对突发事件进行自动分类的研究,以提高文本分类的效率。在构建突发事件领域专用停用词表的基础上,基于TF-IDF(term frequency–inverse document frequency)特征提取方法和支持向量机文本分类算法,对上海大学突发事件语料库中的332篇文本进行分类。由算法得出的训练模型可以较好地完成突发事件的文本分类任务,由此更为快速和精确的获取到目标文本,减少人工的工作量。     

基于神经网络的图像分类模型的设计与实现

传统的图像分类方法是采用人工分类图像的即由人眼观察到色彩特征进行特征分类的。随着人工智能时代的到来,图像自动分类处理技术已成为一项研究热点。研究以残差神经网络模型中的Res Net50为目标场景,以残差神经网络在图像分类中的应用及网络优化为切入点,将Res Net50神经网络模型应用到CIFAR10图像集的图像分类问题上,从优化网络模型和优化特征层抽取技术两个方面,对图像分类模型进行了改进。同时对梯度消失,过度拟合等一系列训练过程中可能会遇到的问题进行分析,通过在Res Net50模型的两个卷积层间增加Dropout层和在图像加载到Res Net50模型前进行一系列图像增强技术以便能改善残差网络的结构,从而达到最好的图像分类效果。     

基于知识蒸馏与改进ViT网络的花卉图像细粒度分类

由于自然条件下拍摄的花卉图像背景复杂,而且其存在类内差异性大和类间相似性高的问题,现有主流方法仅依靠卷积模块提取花卉的局部特征难以实现准确的细粒度分类。针对上述问题,本文提出了1种高精度、轻量化的花卉分类方法(ConvTrans-ResMLP),通过结合Transformer模块和残差MLP(multi-layer perceptron)模块实现对花卉图像的全局特征提取,并在Transformer模块中加入卷积计算使得模型仍保留提取局部特征的能力;同时,为了进一步将花卉分类模型部署到边缘设备中,本研究基于知识蒸馏技术实现对模型的压缩与优化。实验结果表明,本文所提出的方法在Oxford 17、Oxford 102和自制的Flowers 32数据集上的准确率分别达98.62%、97.61%和98.40%;知识蒸馏后本文的轻量化模型的大小约为原来的1/18,而准确率仅下降2%左右。因此,本研究能较好地提升边缘设备下花卉细粒度分类的效率,对促进花卉培育的自动化发展具有切实意义。     

基于卷积神经网络的雷达点迹分类技术研究

雷达在探测目标过程中不可避免地会受到杂波影响,在信号处理检测时会产生杂波点迹,尤其是在杂波密集区,此类杂波点迹数量会更多.随着大数据的到来,人工智能技术获得突飞猛进的发展,以深度学习为代表的人工智能技术受到广泛关注.利用卷积神经网络对雷达点迹数据中的杂波与真实目标分类问题展开研究.首先在现有雷达点迹信息的基础上,进一步...     

网络音频的分类、优势及发展问题研究

网络音频伴随着互联网技术的发展逐渐地进入了我们的日常生活中,现阶段常见的网络音频种类包括有声书、网络电台、自媒体节目等,他们的传播通常具有智能化、覆盖范围广、移动化等特征。但是,目前在网络音频发展中也存在一些问题,包括存在低俗网络音频内容,用户实名认证落实不到位,推荐算法过分逐利,价值导向偏离等。因此,必须采取措施,通过构建完善法律法规体系,树立良好的行业风气,提升网络音频节目质量,加强行业监管等来解决上述问题,保障网络音频健康发展。     

受蚁群分类行为启发的环形结构构建稳定性分析

 群集智能由简单个体之间的相互作用涌现出来,这种涌现出来的智能可以解决许多复杂的问题.首先,从环形分类结构和群体集聚行为结果的相似之处出发,在物体聚集的过程中引入了物体间的引力场和斥力场,对多种物体的环形分类结构的形成进行研究.然后,采用Lyapunov稳定性理论分析了同类物体在引力和斥力的平衡下,最终会稳定的被聚集在一定范围内,并且所有物体最终形成稳定的环形结构.最后,通过仿真实验对上述理论进行了验证.     

基于双谱和谱特征的心电信号分类方法

双谱作为最低的高阶谱,具有一系列优良特性,但也存在计算量大的缺陷.文中提出了一种在双谱矩阵基础上直接提取二维特征的心电信号特征提取方法.该方法将谱平坦度、谱亮度和谱滚降度3类谱特征组成特征向量,结合基于径向基核函数的支持向量机分类方法实现ECG信号的分类识别.然后,使用MIT-BIH数据库中的ECG信号对该方法进行了验...     

混合属性大数据的分类存储系统设计

为妥善分割处于混合状态的大数据信息参量,实现对结构化信息主体的分类存储,设计混合属性大数据的分类存储系统.按照NetLinx架构中的大数据信息分类需求,连接OMRON数据传感器与混合通信模块,实现分类存储系统的硬件执行环境搭建.在此基础上,建立分类型匹配单元,通过测量大数据属性相似性的方式,计算混合信息参量的应用分割半...     

基于深度学习的合同分类及要素抽取模型

合同文本的智能化处理已成为企业信息化的一个重要需求。针对合同文本存在的凌乱、碎片化和无规则的问题,本文提出了基于深度学习的合同分类模型及要素抽取模型。合同分类从标题分类和文本分类两个方向展开研究,提出了基于注意力机制的BiLSTM模型进行标题分类,基于改进的HAN深度学习模型进行文本分类,有效地提升了文本分类的准确性;针对存在的合同信息难以抽取的问题,提出基于BiLSTM-CRF深度学习模型识别合同要素,以准确获取合同要素信息。实验表明,本文提出模型能够很好地应用在合同文本处理中,能够提升分类和要素抽取的性能。     

融合鲸鱼泡泡网机制的SSA算法

针对基本麻雀搜索算法(Sparrow Search Algorithm, SSA)在迭代寻优过程中,种群多样性减少、易陷入局部极值等问题,提出一种改进的麻雀搜索算法(WSSA)。首先,基于Tent混沌映射策略初始化种群,提高初始解的质量;其次,结合鲸鱼优化算法(WOA)中的鲸鱼泡泡网捕食数学模型,改进发现者的位置更新策略,增强算法全局搜索;然后,采用自适应t分布变异,提升算法跳出局部最优能力;最后,在仿真实验中,结果表明改进麻雀搜索算法具有更好的收敛性和求解精度。