文本自动分类技术的研究

文本自动分类方法是指在给定的分类体系下，根据文本的内容自动判别类型的过程。它是当今信息搜索领域的重要研究方向。本文介绍了文本自动分类的研究方法，文本的向量空间模型表示．并给出了文档的训练算法和分类算法。     

基于瞬时频率二次特征提取的辐射源信号分类

提出了基于瞬时频率二次特征提取的雷达辐射源信号分类方法．首先利用改进的瞬时自相关算法提取信号的瞬时频率特征．在此基础上，对所获得的瞬时频率进行级联归一化处理，提取分类特征向量．最后，采用层次决策方法实现自动分类．仿真结果表明，该方法提取的特征向量具有较好的类间分离性，整体信号分类方案在信噪比不低于6dB时，可获得90％以上的分类准确率．     

基于数据挖掘的传媒信息安全系统

随着网络的发展，越来越多的广播电视信息由模拟转为数字，传媒信息安全问题迫在眉睫，是亟待解决的问题．本文采用文本分类技术，设计了一种新的文本分类模型，并应用该传媒信息安全系统，从而减少系统的误报率和漏报率，实验结果表明，该算法具有较高的分类精度和效率．     

基于套索（Lasso）的中文垃圾邮件过滤

使用向量空间模型表示的文本邮件数据高维而稀疏,不利于邮件过滤分类模型的建立,通常需在分类器训练前进行维数约减。Lasso回归是一种基于l1正则化的多元线性模型,其在模型参数估计的同时实现了变量选择。提出使用Lasso回归进行垃圾邮件过滤,建立Lasso回归邮件分类模型、Lasso回归词条选择结合逻辑回归的分类模型,结合中文文本垃圾邮件数据集TREC06C进行垃圾邮件过滤实验。实验结果表明Lasso回归词条选择结合逻辑回归的邮件分类模型性能更佳。     

警戒区水上交通冲突数据自动采集系统

基于ECDIS、AIS以及支持向量机,引入交通冲突研究方法,提出船舶定线制警戒区水上交通冲突数据自动采集解决方案.方案利用支持向量机学习训练冲突样本数据,得到判别冲突严重程度SVM分类模型,并将SVM软件包和SVM分类模型嵌入到ECDIS,结合实时AIS数据建立水上交通冲突数据自动采集系统,应用该系统对长江口船舶定线制...     

基于最小二乘支持向量机的乐器音乐分类

提出使用最小二乘支持向量机LS—SVM（Least Squares Support Vector Machines）算法进行乐器音乐分类,从而实现乐器的辩识。在对Ls—sVM理论进行深入探讨的基础上,选择乐器音乐clip作为样本,进行特征提取,提取的特征包括频谱特征,短时自相关系数和MFCC等,然后用最小二乘支持向量机算法进行分类。对古琴、古筝、箜篌和琵琶音乐采取样本进行仿真实验,求得分类准确率和运行时间,同时使用逻辑回归（Logistic Regression）算法进行对比试验,其中最小二乘支持向量机和逻辑回归分类的准确率分别为96．5％和92．5％,且LS—SVM的运行时间比Logist的少。实验结果表明最小二乘支持向量机具有更为优越的分类性能和非线性处理能力,可以推广用于解决其它实际分类问题。     

大规模训练集的快速缩减

为了进一步减少支持向量机的训练时间,提出了一种基于类别质心的训练集缩减算法.该算法根据样本的几何分布去除训练集中大部分非支持向量.对样本规模在104数量级的数据集进行了训练实验,结果显示,在基本不损失分类精度的情况下,训练时间比直接用SMO(序贯最小优化)算法减少30%,说明该算法能有效地提高支持向量机的训练速度.     

支持向量机在雷达辐射源信号识别中的应用

为了提高电子对抗设备的信号识别能力，采用相像系数法提取雷达辐射源信号特征，并引入支持向量机完成信号自动分类识别．相像系数法在大信噪比范围内稳定性好、分辨能力强．支持向量机分类器结构简单、可获得全局最优、泛化能力强．实验结果表明，基于相像系数和支持向量机的辐射源信号识别方法在大信噪比（5～20dB）范围内，错误识别率最低可达2．68％，优于传统识别方法．     

二分类数据的分类结果可视化算法

针对在某些应用领域对二分类数据分类结果可视化的需求，以及现有无监督可视化算法无法提供分类结果的相关信息的问题，提出了二分类数据分类结果可视化算法——支持向量可视化（SVV），该算法是在无监督的自组织神经网络（SOM）的可视化功能的基础上，结合监督学习的支持向量机（SVM）的二分类算法，得到能够直观地显示高维数据、二分类数据分类边界以及数据与分类边界距离的二维映射图，提高了分类结果的可解释性．以SOM可视化算法以及Smnmon算法为参照，用2组可分性不同的样本集进行仿真分析，验证了该算法的有效性和可行性。     

基于模糊支持向量机的变压器故障诊断

针对支持向量机对训练样本内的噪声和孤立点比较敏感,影响了支持向量机分类性能的弱点,利用模糊支持向量机的学习方法,构建了变压器故障诊断模型．采取一种基于二叉树的多分类方法,使用模糊C均值聚类算法求取模糊支持向量机的模糊隶属度,采用径向基核函数,并利用遗传算法对模糊支持向量机的参数进行寻优．实验结果表明,基于二叉数的模糊支持向量机模型相比BP神经网络、支持向量机有更高的诊断准确率,基于二叉树模糊支持向量机的变压器故障诊断方法是可行的．     

量化子空间分布隐马尔可夫模型的直接训练

尽管量化子空问分布隐马尔可夫模型(QSDHMM)的间接训练算法具有简单实用等优点，但仍存在两个方面的不足：其一，QSDHMM的间接训练实际上要经历两个最优化过程，即先用原始语音数据训练连续分布隐马尔可夫模型(CDHMM)，然后将训练好了的CDHMM转换成QSDHMM。因此，QSDHMM的精度将受到影响；其二，没有发挥QSDHMM本身参数少的潜在优势．在系统的子空间捆绑结构为已知的前提下，文中提出了QSDHMM的直接训练算法．仿真实验表明，与传统的训练算法相比较，采用直接训练算法可减少训练数据约10倍，但识别精度并无明显降低。     

基于粒子群算法改进支持向量机的深基坑变形预测研究

为实现复杂地质条件中深基坑变形的精确预测，提出了一种动态惯性权重粒子群算法改进支持向量机的基坑变形预测模型。引入遗传算法改进的支持向量机模型和标准BP神经网络模型作为横向对比验证了预测效果。结果表明：动态惯性权重对支持向量机核函数参数的寻优速度更快，收敛精度更高，采用改进粒子群算法优化的支持向量机模型预测的平均相对相对误差仅为5.46%,拟合精度相较其他算法更高，预测效果良好，可较为准确的实现深基坑的变形预测。     

基于边框匹配的视频差错掩盖技术

以边框匹配技术为基础，提出预掩盖处理、搜索掩盖算法．新算法首先对受损图像区域周围进行预掩盖以期尽可能多地利用周边的有效信息来恢复受损运动向量，最后以估算出的运动补偿块为中心依照边框匹配准则进行搜索，找出最佳运动向量．以JVT(Joint Video Team)测试模型JM(Joint Modal of JVT)1．4为平台的实验表明，改进的掩盖算法在一定程度上能提高重建图像的峰值信噪比(PSNR)值，当与无等待ARQ算法相结合，能在不影响解码器端图像正常回放的情况下，阻止差错的扩散，实现差错图像的完全恢复．     

公路施工Petri网全过程仿真及关键算法研究

目前的仿真研究不能适应公路施工周期长、影响因素多的特点．提出全过程仿真的概念，给出了全过程仿真的Petri网定义，研究了模型输出与模型参数、模型结构之间的关系以及模型自适应算法的实现方法．分析了全过程仿真系统设计的基本原则，建立了基于Petri网的分层全过程仿真系统，该系统使模型能够自动匹配工程状态，有效地解决了模型的有效性问题．最后以工程实例表明使用全过程仿真系统可以很好地为公路施工提供决策支持．     

基于语义链的色情网页过滤系统

针对Internet上日益泛滥的色情信息,提出了一种语义链技术和向量空间模型相结合的方法,利用语义链技术找出待分类文本的语义链,由该语义链的各密度向量分量与色情(性文化)文本语义进行比较,来确定其与待分类文本的相似程度,从而将待分类文本分到对应的类中,最后可以使用先前的分类结果对色情信息实施过滤,通过实验表明,该方法能较好的识别色情网页并加以过滤.     

基于随机森林算法的电力系统暂态稳定性评估

利用随机森林算法,通过组合多棵基于随机向量的决策树对电力系统的暂态稳定性分类,提出了一种暂态稳定评估模型.在IEEE 16机和IEEE 50机测试系统进行的仿真验证了该模型对暂态稳定评估的有效性,其评估性能较经典决策树算法、人工神经网络、支持向量机和K最近邻方法均有提高.     

多尺度模型与矩描绘子相结合的手势识别算法

提出了一种基于单目视觉的手势识别算法．通过用户初始化过程获取基本识别参数，结合视频跟踪的过程实时获取用户手势区域，在该区域内采用矩描绘子与多尺度模型相结合的方法进行特征提取，对于提取出的特征采用分类识别规则，实现对手势1～10的正确识别．经过试验证明，该算法可以适用于不同用户，识别正确率达到93．5％．     

SMO算法在邮件过滤中的应用

针对传统的支持向量机(SVM)算法在速度方面的缺陷,本文提出将序列最小优化(SMO)算法引人到垃圾邮件过滤系统中,实验结果证明,该模型训练时间快,过滤效果好.     

无线分组CDMA通信系统HARQ编码参数优化

混合式自动重传请求(HARQ)已成为CDMA无线信道上差错控制的主要技术．在考虑纠错编码冗余位对无线信道资源占用的条件下，引入有效系统吞吐率性能指标，分别对SR和GBNARQ协议在i．i．d和相关信道模型下的混合式自动重传请求协议性能进行了研究．结果表明，在给定纠错编码算法和重传方式条件下，可以通过对冗余信息位长度的合理选择实现系统有效吞吐率的最大化．     

基于Co—Training策略的视频广告文本检测

同普通视频节目相比,视频广告中的文本具有更为复杂的表现形式．为实现这类文本有效的定位,通过将文本检测视为一种特殊纹理的分类问题,提出一种基于改进的Co—training策略的视频广告文本检测方法,采用两种相对独立的纹理描述子,从多视角来强化文本特性描述．另外,针对Co-training协同学习机制中容易引入噪声样本的问题,提出了一种改进的结合Bootstrap思想的Co—training算法,在两个相对独立的特征空间中交互选择典型样本,以达到提高分类器泛化能力的目的．通过实验,本方法在自建的数据库上获得的正确率与查全率相对于其他方法有10％左右的提高．