基于最小距离最大原则的模式分类

广义最佳鉴别矢量集是用于高维空间模式分类的有效方法。在高维空间模式分类的情况下，通常训练样本数要小于特征空间维数，从而使类内散布矩阵奇异，不能直接求解。对于这种情况下求解问题，人们给出了一系列求解方法。但这些方法均是应用平均的类间距离，而没有考虑到类间分布的最坏情况。该文对此进行改进，提出了一种新的基于最小距离最大原则的广义最佳鉴别矢量集的求解方法。实验结果表明，提出的方法要优于已有的方法。

基于支持向量机的渐进直推式分类学习算法

支持向量机(support vector machine)是近年来在统计学习理论的基础上发展起来的一种新的模式识别方法,在解决小样本、非线性及高维模式识别问题中表现出许多特有的优势.直推式学习(transductive inference)试图根据已知样本对特定的未知样本建立一套进行识别的方法和准则.较之传统的归纳式学习方法而言,直推式学习往往更具普遍性和实际意义.提出了一种基于支持向量机的渐进直推式分类学习算法,在少量有标签样本和大量无标签样本所构成的混合样本训练集上取得了良好的学习效果.

机载激光雷达点云的阶层式分类

激光雷达是一种快速获得高密度高精度的三维数字地面信息的新技术。本文介绍了几种激光雷达数据过滤算法,提出了激光雷达点云数据的阶层式分类策略,并将基于航拍影像数据进行着色后的机载激光雷达点云数据作为研究对象,对其应用激光雷达数据过滤算法进行阶层式分类。实验结果表明,此种方法能有效地对大部分地物信息进行过滤和分类。

一种基于免疫的监督式分类算法

人工免疫识别系统(AIRS)已被证实为一种高效的分类器,并成功应用于模式识别等领域。然而AIRS存在的记忆细胞数目庞大、分类准确率低等缺陷,限制了进一步的应用。为克服这些缺陷,提出了一种基于免疫的监督式分类算法(AIUC)。AIUC首先初始化记忆细胞;然后通过对每一个训练抗原的学习,进行B细胞进化,在B细胞收敛后,优选出最佳的B细胞对记忆细胞进行更新;最后通过记忆细胞对测试数据进行kNN分类。就数据集I-ris、Ionosphere、Diabetes和Sonar分别进行的对比实验结果表明,AIUC比AIRS记忆细胞分别减小了5.6%、18%、19.6%和31%,分类准确率提高到98.2%、96.9%、78.3%和92.3%。该算法具有非线性,以及克隆选择、免疫网络和免疫记忆等生物免疫系统特征,可更好地应用于模式识别、异常检测等领域。

地面激光点云阶层式分类方法

针对不同地物之间点云特征的多样性和树木点云分布的无规律性,导致一般方法分类精度低的问题,提出一种基于对象的地面激光点云阶层式分类方法.首先采用欧氏距离聚类法将非地面点云分割;然后提出一种法向散乱系数计算方法,并用于树木的提取;最后结合点云对象的点个数、高程均值和平面拟合残差特征实现其他地物的分类.实验结果表明,该方法能有效地将复杂地物分类,相比于投影点密度法和支持向量机法分类精度更高.

从列举式分类法向组配分类法的转变——试论新版《资料法》的修订特色

2000年《中国图书资料分类法》经全面修订,正式出版其第四版。它在国内首先完成了由列举式分类法向组配分类法的转变。本文评述了新版《中国图书资料分类法》的三个修订特色:①允许自由组配;②实行分段标记制;③新增人员及环境两个通用复分表。

等级列举式分类法存在的问题与分面组配后标引的分布研究

等级列举式分类法在图书分类中存在较多的问题 ,在因特网搜索引擎元数据分类中 ,由于各种原因 ,也很难得到遵守。为此 ,必须使用分面组配式分类法。那么分面组配后的标引是否仍构成面 ?本文利用分形理论对阮刚纳赞提出的分面理论标引后的构成分布进行研究。

纳入式分类分析法在潜在剖面模型的后续多元回归中的应用

纳入式分类分析法能克服传统的分类分析法对后续一元回归模型参数的低估,发挥潜在类别模型的后续分析简化变量间交互作用的功能。本文进一步将纳入式分类分析法拓展至潜在剖面模型后续的多元统计分析中。通过蒙特卡洛模拟实验,比较各种纳入变量的方法思路与后续分析模型在四种常见的多元回归模型中参数估计的表现。结果发现,纳入式分类分析法所需纳入的变量取决于后续分析中与因变量、潜类别变量的关系,且后续分析使用含交互作用的模型更为稳健。

缩略语态式分类初探

外贸英语首字母缩略语(acronyms)是外贸术语(terms)的一种重要表现形式。它们态式各异,种类繁多,构成的随意性很大,至今尚未有一个明确的态式分类。然而,缩语的语义又必须以其态式为前提。有鉴于此,本文在对外贸英语常用首字母缩语统计分析的基础上,首次提出"三态二式"分类法。

激光雷达数据过滤算法开展阶层式分类研究

机载激光雷达系统主要采用离散的三维激光进行数据测量,从而获取一种数字表面模型,其中数据滤波能够快速获取数字高程模型,一直是机载激光雷达数据处理的重点研究方向,机载激光雷达技术在水文、地质以及军事等行业得到了快速的普及。基于此,本文对激光雷达数据的点云数据分类方法进行了详细的探讨和研究。

江河流域保护开发的色谱式分类规划管理

过去一年,我国环境与发展的热点话题首推四川的木格错、人中海、杨柳湖和云南怒江的水电大坝该建还是该停的争论与研讨.

高考微写作的网格式审题与分类式框架

网格式审题与分类式框架可以帮助学生形成结构框架。网格式审题是将题目内容包含的所有关键信息提取出来,在审题环节即形成清楚的分类结构,并确定展开的重点。分类式框架是在网格式审题的基础上,对微写作的内容从不同角度分类扩展,形成层次明确、条理清楚的文段。微写作结构训练,从修正学生审题构思的思维路径、关注文章的结构层次入手,通过对外在形式的规范,提升学生的思维品质。

分类评估式心理护理联合康复训练在慢性阻塞性肺疾病患者中的应用效果

目的:观察分类评估式心理护理联合康复训练在慢性阻塞性肺疾病(COPD)患者中的应用效果。方法:选取2022年9月—2023年11月青岛市即墨区人民医院呼吸内科收治的COPD患者88例,采用简单随机法分为对照组和研究组各44例。对照组实施康复训练,研究组在对照组基础上实施分类评估式心理护理。比较两组护理前后心理情绪、肺功能水平、生活质量情况。结果:护理前,两组正性负性情绪自评量表(PANAS)评分比较,差异无统计学意义(P>0.05);护理后,研究组正性情绪评分高于对照组,负性情绪评分低于对照组,差异有统计学意义(P<0.05);护理前,两组用力肺活量(FVC)、第1秒用力呼气容积(FEV1)、第1秒用力呼气量占所有呼气量的比例(FEV1/FVC)水平比较,差异无统计学意义(P>0.05);护理后,研究组FVC、FEV1、FEV1/FVC水平均高于对照组,差异有统计学意义(P<0.05);护理前,两组圣•乔治医院呼吸问题调查问卷(SGRQ)各维度评分比较,差异均无统计学意义(P>0.05);护理后,研究组SGRQ各维度评分均低于对照组,差异有统计学意义(P<0.05)。结论:分类评估式心理护理联合康复训练能够改善COPD患者不良情绪,提高其肺功能和生活质量水平。

结合多种语言学特征的中文隐式情感分类

情感分析一直是自然语言处理中的热点研究方向,隐式情感分类指无显式情感词的情感分类任务,目前,隐式情感分析还处于起步阶段。隐式情感分析面临缺乏显式情感词、表达方式委婉、语义难以理解等问题,传统的情感分析方法如情感词典、词袋模型等难以生效,使得隐式情感分类任务更加艰巨。针对以上问题,提出了一种结合文本、词性与依存关系的图神经网络模型来进行隐式情感分类。具体来说,模型首先抽取文本的词性和依存特征,然后使用预训练语言模型BERT提取文本向量特征,从而构建了一个基于多种语言学特征的图注意力神经网络。该模型在SMP2021隐式情感识别公开数据集上进行了多次实验。实验结果表明,相较于多种基线模型,所提模型取得了较好的分类效果,证实了所提出的融合了多种语言学特征的隐式情感分类方法具有可行性和有效性。

分类评估式心理护理联合康复训练在慢阻肺患者中的效果

目的:探究分类评估式心理护理联合康复训练在改善慢阻肺患者肺功能指标中的效果。方法:选取萍乡市第二人民医院呼吸与危重症医学科2018年11月—2021年11月收治的92例慢阻肺患者。以计算机完全随机分组法将其分为试验组(n=46)、参照组(n=46)。参照组行康复训练,试验组在参照组的基础上加用分类评估式心理护理。对比两组负性情绪[症状自评量表(symptom checklist 90,SCL-90)]、肺功能指标、生活质量[健康调查简表(the MOS item short form health survey,SF-36)]。结果:干预后,试验组负性情绪均低于参照组,差异均有统计学意义(P<0.05);试验组肺功能指标均优于参照组,差异均有统计学意义(P<0.05);试验组生活质量评分均高于参照组,差异均有统计学意义(P<0.05)。结论:分类评估式心理护理联合康复训练可以降低患者的负性情绪,改善患者的肺功能指标,并提高患者的生活质量。

层次式文本分类的Nave Bayes改进方法

Nave Bayes方法在文本分类中的决策强烈依赖于主观选择的样本关于类别的分布。本文利用层次式分类的特点并引入概率条件改进Nave Bayes方法,使其在每个内部类别所属的子类局部数据中进行决策,缓解了全局数据分布对分类器的影响,部分克服了数据偏斜问题。实验表明,改进方法在层次式分类中的效果较Nave Bayes方法有显著提高。

基于免疫网络的无监督式分类算法

基于免疫网络原理,提出了一种新的无监督式分类算法。首先基于形态空间理论给出了抗体、抗原和免疫网络的形式化定义,建立了抗体克隆选择、高频变异以及免疫记忆的动态模型和相应的数学方程,最后给出了分类过程。实验表明该算法的分类精度要高于其它传统的聚类算法,并具有很好的持续学习、动态调节、特性记忆等特性。如果把抗体视为某种既定模式,合理地调整抗原集合,则该模型具有广泛的用途。

一种级联式微博情感分类器的构建方法

该文从统计学方法与机器学习的分类思想出发,对中文微博文本的情感类别进行研究。针对微博文本的特点,提出了一种级联式微博情感分类器模型,该模型首先构建基于情感词典和新浪表情符号词典的微博情感初级分类模型;然后根据基准词构建基于类别倾向相似度的二级分类模型,对初级模型未能确定情感类别的微博进行再次分类,并对初级模型的词典进行更新;最后采用朴素贝叶斯分类器构建三级分类模型,对以上还未确定情感类别的微博进行三级分类。通过与NLPCC2014微博情感分类评测参赛结果进行比较,说明了所提方法的有效性。

自编等级式分类法的类目创新研究

中图法以学科和知识分类为基础,选择单一的分类标准,用层进的方式建立严谨的学科分类体系;而自编等级式分类法,依据资源本身和用户群特点,由网络浏览者制定、选择多个标准,通过多重列类法来实现纵向和交叉关系的类目分类。将信息资源分为学术性和非学术性,利用中图法的优势分类学术性资源;利用自编等级式的类目优势,分类非学术性信息资源。利用学术性和非学术性资源间重叠的类目,建立两个大类间的联系,方便用户快速、准确地获得信息。

两种理论模式与图书分类的基础

图书分类的编制理论,可归结为图一所示的模式。原则是整个分类理论的基础,编制原理与方法是分类法的基础。通常说图书分类以什么为基础,即指它依据什么原理与方法编制。下面介绍两种理论模式。以DC为代表的一批近代图书分类法产生后,人们感到需要一套法则,从图书馆学解释图书分类的原理。阮冈纳赞的图书馆学五项法则满足了这一要求。这五项法则是:(1)图书皆在使用;(2)凡读者皆有其书;(3)凡书皆有其读者;(4)节省读者及馆员的时间;(5)图书馆是生长的组织。“使用”