Thread labeling for news event

Automatic thread labeling for news events can help people know different aspects of a news event. In this paper, we present a method to label threads of a news event. We use latent Dirichlet allocation (LDA) topic model to extract news threads from news corpus. Our method first selects the thread words subset then extracts phrases based on co-occurrence calculation. The extracted phrase is then used as a label of a news thread. Experimental results show that about 60% of generated labels visualize the meaningful aspects of a news event. These labels can help people fast to capture many different aspects of a news event.     

用LDA研究柴油机涡流室内空气运动

本文介绍了采用二维氩离子ＬＤＡ（激光多普勒测速仪）对柴油机涡流室内空气运动特性的最新测试结果。测量结果表明：涡流室内气体平均速度及紊流强度仅为发动机曲轴转角的函数，在上止点附近随发动机转速升高，最大值出现时刻相对曲轴转角位置基本保持不变。这一点区别于使用ＨＷＡ（热线风速仪）对涡流室的测量。吊钟型涡流室内的空气涡流以刚体涡流为主。本文描述了吊钟型涡流运动中涡核的运动轨迹，提出了进一步改进涡流燃烧系统     

货车驾驶人驾驶行为与行车安全研究进展

驾驶行为是影响交通安全最活跃的因素,在“人-车-路”复杂环境中扮演着关键角色。为了深入理解货车驾驶人驾驶行为规律和行为风险性,本文聚焦货车驾驶人驾驶行为对行车安全的影响,对货车驾驶人的驾驶行为风格、行为风险性及其与行车安全的关系等相关研究成果进行系统地梳理和分析。首先,利用构建的文献检索策略,筛选出38篇相关文献,并结合LDA(Latent Dirichlet Allocation)模型,对生成的4个研究主题,即货车驾驶人驾驶行为辨识,危险驾驶行为与行车安全,货车碰撞事故致因分析及驾驶安全风险评估进行总结;其次,针对数据源、特征工程及建模方法等分析要素,构建了适用于任意研究主题的通用研究路径,并重点归纳了目前研究主题在数据源、变量选择方法、研究地点及建模方法等关键要素的研究进展;最后,分析和探讨了货车驾驶人驾驶行为与行车安全领域面临的主要问题,从描述、解释、关联及应用的角度提炼该领域研究的未来发展趋势。研究认为：有必要将驾驶状态特性、车辆运行状态及道路交通状况等多维特征变量进行多源信息融合,开展基于大数据和人工智能双驱动的驾驶行为研究;需加强研究山区公路环境下货车与其他类型车辆之间的交互作用机制,从“人-车-路”视角分析货车碰撞事故致因;需进一步完善智能网联和自动驾驶等高新智能自动化环境下的货车驾驶人驾驶行为与行车安全关系研究;拓展面向驾驶安全的货车驾驶人驾驶风险评估的理论方法和应用框架。研究 成果将为货车事故治理、公路货运平台监控及道路线形设计等应用场景提供重要依据,并有助于相对全面地理解货车驾驶人驾驶行为与道路行车安全的交互作用机理。     

基于网约车数据的城市区域出行时空特征识别与预测研究

针对交通需求特征识别和需求预测问题,构建改进的LDA(Latent Dirichlet Allocation)城市区域内出行需求识别与预测组合模型,快速识别城市区域内出行需求特征并对需求做出预测. 构建城市交通小区尺度内的空间和时间维度下的主要出行需求特征分布挖掘辨识方法,以及数据集在不同时间尺度下时间维度出行特征构建及预测方法. 利用北京市三环内网约车出行订单数据,验证模型的有效性和准确性. 结果表明,模型能够对不同时间窗口下的区域出行需求特征进行辨识和预测,取得较好的结果.     

Unsupervised Linear Discriminant Analysis

Introduction As a supervised learning algorithm,linear dis-criminant analysis(LDA)is widely used in manyfields,such as face recognition,numerical recogni-tion and information retrieval.The objective ofLDA is to find a project matrix A that maximizesthe ratio of between-class scatter Sbagainst within-class scatter Sw[1].In contrast,an algorithm forunsupervised linear discriminant analysis(ULDA)is presented in this paper.The project matrix A isobtained through maximizing covariance of all …     

Incremental Supervised Subspace Learning for Face Recognition

Subspace learning algorithms have been well studied in face recognition. Among them, linear discriminant analysis (LDA) is one of the most widely used supervised subspace learning method. Due to the difficulty of designing an incremental solution of the eigen decomposition on the product of matrices, there is little work for computing LDA incrementally. To avoid this limitation, an incremental supervised subspace learning (ISSL) algorithm was proposed, which incrementally learns an adaptive subspace by optimizing the maximum margin criterion (MMC). With the dynamically added face images, ISSL can effectively constrain the computational cost. Feasibility of the new algorithm has been successfully tested on different face data sets.     

一种改进的LDA主题模型

由于文档中的词符合幂律分布,使得LDA模型的主题分布向高频词倾斜,导致能够代表主题的多数词被少量的高频词淹没使得主题表达能力降低.通过一种高斯函数对特征词加权,改进LDA主题模型的主题分布.实验显示加权LDA模型获得的主题间的相关性以及复杂度（Perplexity）值都降低,说明改进模型在主题表达和预测性能方面都有所提高.