面向人机共驾决策的实时驾驶能力评价算法

面向智能辅助驾驶系统人机共驾决策问题对于驾驶人实时驾驶能力评估的需求,考虑现有驾驶评价的单一性问题,提出综合考虑驾驶技能、驾驶状态以及驾驶风格等驾驶人实时驾驶能力评价算法.该算法在提出驾驶能力具有相对性和连续性基础上,首先提出基于高斯核函数的客观熵权驾驶技能相对评价模型、基于时间尺度的驾驶状态相对评价模型以及基于无监督决策分类树的驾驶风格软划分模型;其次,提出具有“惩罚”与“肯定”机制的驾驶能力评价机制及评价模型,实现满足人机共享决策控制需求的实时驾驶能力评价.最后,通过实验比较分析可知,本文提出的评价算法能够满足人机共享系统对于驾驶人驾驶能力评价实时性、客观性、全面性的需求.

融合领域知识短语树核函数的中文领域实体关系抽取

针对在核函数方法中,传统短语树只包含通用领域信息难以训练出适应特定领域关系抽取模型的问题,本文提出一种融入领域知识短语树的中文领域实体关系抽取方法.基于Web上中文特定领域网站的信息结构特点,构建出能反映特定领域实体语义关系的领域知识树,并将其融合到实例句的句法树中,得到特定领域实体语义树.然后通过支持向量机训练,得到实体关系的分类模型,对特定领域实体关系进行抽取.在收集的600篇旅游领域语料上进行关系抽取实验,结果表明:本文所提出的方法优于不融入领域信息的方法,F值提高了3.4%.

基于树核函数的实体语义关系抽取方法研究

该文描述了一种改进的基于树核函数的实体语义关系抽取方法,通过在原有关系实例的结构化信息中加入实体语义信息和去除冗余信息的方法来提高关系抽取的性能。该方法在最短路径包含树的基础上,首先加入实体类型、引用类型等与实体相关的语义信息,然后对树进行裁剪,去掉修饰语冗余和并列冗余信息,并扩充所有格结构,最后生成实体语义关系实例。在ACE RDC 2004基准语料上进行的关系检测和7个关系大类抽取的实验表明,该方法在较大程度上提高了实体语义关系识别和分类的效果,F值分别达到了79.1%和71.9%。

基于支持向量机的往复压缩机示功图识别研究

提出了一种基于支持向量机的往复压缩机示功图识别方法。根据不同故障在示功图上反映的不同特征,进行故障特征提取。针对实际故障发生情况,构造了基于决策树的多分类支持向量机故障识别模型。使用不同核函数对计算机模拟与往复压缩机试验台实测的故障示功图进行识别,结果表明,该方法能有效应用于往复压缩机示功图故障识别。

基于树核函数的代词指代消解

提出一种基于树核的英文代词消解方法。针对结构化信息在指代消解中的重要作用,使用SVM提供的卷积树核函数自动获取句法结构信息,将句法树作为一个特征与其他基本特征结合。通过应用不同的剪枝策略,考虑不同句法树对系统的影响,在原有的句法树上扩充一些语义节点。在ACE2004NWIRE基准数据上进行实验的结果证明,该方法对代词的消解起到明显的作用,综合值f提高了11.9%。

动态剪枝二叉树多类SVM在入侵检测中的研究

针对现有多分类支持向量机算法所存在的训练时间长、决策速度慢等问题,提出了一种动态剪枝二叉树多类支持向量机算法,该算法能够有效减少支持向量的个数,从而减少训练时间。为了验证算法的有效性,该文使用KDD99数据集对应用该算法的入侵检测模型进行评测,并且将实验结果同1-v-r算法以及1-v-1算法进行了比较。实验结果表明,提出的算法是高效可行的。

综合句法结构及语义相似度的问题推荐技术

针对因特网上的大规模问答对资源提出一种新的应用,即在问答系统中加入基于百度知道平台构建的大规模问答对库,通过相似度计算,把库中最相似的问题推荐给用户。实验下载网页10500个,成功提取问答对4687个,运用关键词的TF/IDF、树核函数的句法匹配及问句的语义距离3种方法中的一种、两种和三种进行实验,分别获得79.44%,81.67%和88.33%的准确率。结果表明,综合运用多种方法查找相似问题,效果更好。

基于主题的中文微博情感分析

传统的微博情感分析一般忽略结构化的语义信息,使得分类准确率不高,同时还忽略情感表达的具体对象,以与主题无关的形式进行情感分析,容易造成错误的分析结果。为此,采用对语法树进行剪枝的方法实现基于主题的情感分析,使用支持向量机中的卷积树核函数获取语法树结构化特征,通过建立本体和句法路径库对语法树进行基于主题的剪枝,去除无关评价的干扰。实验结果表明,该方法在2个不同主题的数据集上准确率分别达到86.6%和86.0%。

基于最优二叉树的多故障分类器的设计

在分析常见多故障分类器的基础上,提出了基于故障优先级和核函数的聚合技术,利用这个方法生成一个基于最优二叉树的多故障分类器。该分类器是通过核函数具有将非线性问题线性化的特点生成聚类函数,然后通过各个故障的优先级生成最优二叉树。最后将此分类器应用在挖掘机故障诊断中。应用结果表明,此分类器不但能够保证故障诊断的正确率,而且可以让后果较严重的故障得到优先诊断。

一种非线性支持向量机决策树多值分类器

提出了一种非线性支持向量机决策树的分类算法.该算法通过核函数将支持向量机推广到非线性支持向量机,并在非线性映射后计算特征空间中类间相对分离度,得到类的易分程度.在支持向量机决策树分类中引入相对分离度,有效地降低累积误差,减少计算规模,从而提高分类精度与分类效率.实验结果表明,与一般的线性支持向量机决策树分类算法相比,该算法的分类精度有了明显提高,同时其分类时间也相应降低.

支持向量机原理及其在医学分类中的应用

目的介绍一种具有较高精度的分类模型——支持向量机在解决分类问题时的应用。方法以胃癌流行病学调查资料为例分别建立支持向量机、决策树、logistic回归模型,比较三种模型性能优劣。结果对于测试集样本SVM预测精度为99.052%,C5.0决策树预测精度为93.365%,logistic回归预测精度为90.995%,SVM具有良好的泛化能力。结论当传统统计分析条件不能得到满足或效果不佳时支持向量机能够达到良好的预测结果,在医学领域具有较好的应用前景。

基于卷积树核的事件论元角色抽取方法

事件论元角色抽取是事件抽取的关键环节,句法分析信息对事件论元角色抽取具有重要作用.传统基于机器学习的方法通常将句法分析信息转化为平面特征,并不能全面利用句法分析信息.为此,提出基于卷积树核的事件论元角色抽取方法.首先,构造基本树结构,将句法分析信息转化为结构特征;其次,针对句法结构树包含较多冗余信息的问题,设计相应裁剪算法,优化树结构、减少卷积树核计算的时间复杂度;最后,构造复合核将平面特征与结构特征相结合,并训练支持向量机分类器完成事件论元角色抽取.实验证明,本文方法使事件论元角色抽取效果有了明显提升.

基于多个混合核函数的SVM决策树算法设计

不同的核函数具有不同的特性,SVM决策树中每个子SVM面对的分类对象不同,选取的核函数及其参数也应该不同。通过调节混合核函数的参数形成不同的核函数,给出了一个用多个混合核函数训练SVM决策树的多类分类算法。仿真试验表明,该算法与只用一个核函数训练SVM决策树的算法相比,具有较高的分类精度。

基于近似随机测试的语义关系抽取比较

为比较结构化信息和句法分析器对树核函数的关系抽取的作用,提出一种基于近似随机测试语义关系比较方法。对于2种不同配置关系的抽取结果,采用随机标号互换的方法重复产生样本,通过计算这些样本的性能差异进行显著性分析。实验结果表明,动态关系树是最佳的结构化信息,句法分析器Charniak和Berkeley性能均优于Stanford。

基于安全的多故障分类器设计

为解决常用多故障分类器未考虑到各个故障造成的后果严重性问题,提出了基于故障优先级和核函数的聚合技术,采用这个方法生成1个基于最优二叉树的多故障分类器。该分类器利用核函数具有将非线性问题线性化的特点,生成了聚类函数,再通过各个故障的安全优先级生成最优二叉树,最后将此分类器应用于挖掘机的故障诊断中。应用及实测结果表明,此分类器不但能够保证故障诊断的正确率,而且可以让可能产生较严重后果的故障得到优先诊断。

基于稀疏密集阵传输机制的WSN数据传输汇聚算法

为了改善无线传感网(WSN)的数据传输汇聚能力,提出了基于稀疏密集阵传输机制的WSN数据传输汇聚算法。引入核生成函数,设计了一种新的传输矩阵,将簇头节点与sink节点之间连通程度及负载程度进行量化,以提升簇头节点传输效果的评估能力;采用特征向量按列排序并结合卷积算法降低簇头节点传输值,以有效减少簇头节点负载;采用树分解模式搜寻可用哈密尔顿回路,构建了基于路径分解优化机制的汇聚稳定方法;通过使用哈密尔顿寻址来优化叶子节点与根节点之间的数据链路,以增强簇头节点覆盖能力与提高数据传输过程的稳定性能。仿真实验表明,与当前常用的基于阈值筛选模糊分簇的WSN数据稳定汇聚算法和面向医疗应用的无线传感器网络多径数据传输方法相比,所提算法具有更为集中的传输报文集中度,以及更高的传输链路抖动控制能力和网络汇聚带宽。

基于向量机的计算机视觉在钢材分类缺陷检测中的应用

随着各领域对钢材工艺水平要求的不断提高,提高视觉检测设备的效率和精度已成为智能制造业的发展趋势和应用方向。基于支持向量机提出一种视觉检测算法,应用于钢材缺陷分类检测中,钢材样本数据集通过最小生成树分类模型处理后,使用最优半径算法选取半径,对稠密及稀疏下的边和点间所存在的关联性加以区分,将获得的分类数据用作支持向量机输入参数。支持向量机模型中选取高斯径向基作为核函数,选取“一对一”分类训练方法,识别钢材流水生产中的各种缺陷。仿真实验证明,支持向量机模型在有新类别出现的情况下,对缺陷类型的分类达到了理想程度,能够满足现有工业领域需求。

一种高效的分布式树核函数分类算法

为了降低树核函数算法的计算复杂度,对树的特征空间进行压缩,提出了一种基于分布式树的近似核函数分类算法。用向量的形式对树进行描述,根据树的特征空间将每一棵树近似转换为分布式的树片段集合,提出一种计算分布式树片段的递归算法。实验结果表明,提出的算法与原始的树核函数有着很高的相关性,在应用该算法解决自然语言处理问题时与原始算法有着相似的结果,并且算法的执行效率明显高于快速树核函数算法。

基于支持向量机的数字调制识别算法

在非协作通信中,需要对接收的信号进行调制方式的自动识别。在高阶累积量域内构造信号识别的特征向量,采用基于二叉树的支持向量机将识别特征向量映射到高维空间并构造最优分类超平面,实现对数字调制信号的自动识别。该算法不仅结构简单、计算量小,而且解决了样本在低维空间中的不可分问题,具有良好的泛化推广能力。理论分析和仿真结果证明了该算法的正确性和有效性。

加快交互式光线跟踪渲染速度的技术研究

优化KD-tree组织结构,使其适合在GPU上存储;合理分配图形,加速硬件GPU内存,细化核函数,并基于该平台并行实现KD-tree的遍历求交;同时利用OpenGL硬件接口,采用公式变换、插值计算等方法,加快视点视角变化时图像渲染速度.试验结果表明,优化数据结构、选择硬件平台和加速渲染引擎是提高交互式光线跟踪渲染速度的三个重要因素.