基于权值算法的中文情感分析系统研究与实现

为了能够更加准确地对语句结构进行划分、对语句表达的内容进行判断,提出了一种全新的基于权值的计算算法,在完善中文分词的基础上对语句进行情感分析。首先利用中文分词算法对句式结构进行分割,然后依据词性对词库进行扩展,词库对句式中干扰词汇进行过滤,最后利用全新的权值计算算法对语句情感进行准确分析。经有效测试结果表明,情感分析准确率较高,并广泛适用于网络舆情分析等应用中。

基于词条权值的相关反馈算法在Web信息检索中的应用

相关反馈技术是近年来信息检索技术研究的热点。本文首先介绍了传统信息检索技术的原理和存在的问题 ;接着概述了相关反馈技术的原理与过程 ;随后介绍词条及其权值算法并应用到相关反馈技术中去 ,提高信息检索的效果 ;

基于权值模板匹配算法的全自主足球机器人目标识别

提出了一种基于权值模板匹配的全自主足球机器人目标识别方法.首先通过动态窗口、权值变换、图像索引和动态模板等方法提高了目标的识别率,降低了识别时间;然后在足球机器人视觉系统中进行了仿真实验和实地测试.实验结果表明,在原图像含有30%白噪声情况下,其识别率仍能达到99.7%,且识别时间不超过30 ms,这种方法既在一定程度上降低了噪声干扰的影响,又提高了目标识别的速度和准确性,从而提高了系统的实时性和鲁棒性.

多层前向神经网络的权值平衡算法

对前向多层神经网络BP算法的改进方法作了分析 ,提出了一种新的改进方法———权值平衡算法 ,充分发挥各权值对网络训练的作用 .仿真结果表明 ,新算法与基本的BP算法相比明显地提高了网络收敛速度和精度 。

改进型Voronoi图和动态权值A*算法的无人机航迹规划

针对实际作战环境中的不同威胁等级和不同威胁实体的威胁源,提出了改进型的Voronoi图,并建立了基于改进型Voronoi图的航迹规划空间;基于A*算法的估价函数在不同阶段对指标的敏感度不同,在传统的启发式A*搜索算法基础上提出了动态权值A*搜索算法,提高了航迹搜索的效率,实现了航迹搜索过程快速性和准确性的结合。最后通过Matlab仿真计算出由动态权值A*算法得到的最优航迹,并进行了航迹的平滑处理,仿真表明了该方法的可行性。

矢量图文变形的权值拖曳算法研究

权值拖曳算法是作者在所设计的多种矢量图文变形方案中较为理想的一种，权值拖曳通过定义若干个拖曳点，拖曳点的移动和待变形点的移动之间存在一定的函数关系，本文对实现方法作了概要介绍，并重点讨论了决定拖曳变形效果的权值函数．

无线传感器网络修正权值网格质心法目标定位算法

在无线传感器网络研究中,由于传统质心定位法存在很大误差,须将目标定位存在的区域进行进一步缩小,并且将此区域划分为许多网格。利用定位节点和目标的探测关系,从而得到有效网格,再对这些有效网格利用修正权值的方法进行目标定位,即提出的修正权值网格质心定位法。仿真表明:这种方法得到的目标位置误差只有0.6m左右,而传统质心定位法和普通网格质心定位法的误差分别为3.6,2.4m左右。表明修正权值网格质心定位法精度远远高于这2种方法,同时它的实时性也可靠,从而显示了修正权值网格质心定位法的优越性。

基于权值控制的误分类算法研究

研究了误分类代价敏感提升算法AdaCost,认为在该算法的每轮循环中可以增加一个过程,用来计算产生出的弱分类器的精确度,从而避免AdaCost算法的盲目循环.同时引入实例权值的上下阈值,控制实例权值的更新过程.本文提出的权值控制误分类算法WCM isC是对AdaCost算法的优化.通过实验设计,验证了权值控制误分类算法WCM isC能有效提高AdaCost算法的分类精度,具有高泛化能力.

提高多层前馈网络推广能力的权值控制算法

研究了多层前馈网络的“过拟合”现象，针对网络拟合效果好，而推广能力差的问题，提出了与ＢＰ算法相结合的、以权值修正量小于某一给定的较小值为收敛标准的权值控制算法。在紫坪埔水库工程洪水预报的神经网络模型中的应用表明，该方法具有提高多层前馈网络推广能力的作用。

基于改进蚁群算法的电力通信网络路由优化算法研究

在电力通信网络中,负载均衡可以减少瓶颈节点的过载和充分利用资源。针对智能电网中电力通信网络负载均衡问题,文中提出了一种将蚁群算法与链路权值算法相结合的负载均衡算法。在发挥蚁群算法优势的基础上,通过链路权重判断功能直接选择最优传输链路方案。通过仿真将所提算法与常用负载均衡算法进行比较,验证了所提算法的优越性和可行性。结果表明,该方法更适合于复杂的应用场景,在电力通信网络中具有更好的负载均衡能力,具有一定的参考价值。

基于权值选择粒子滤波算法的锂离子电池SOC估计

针对锂离子动力电池的荷电状态(SOC)估计问题,以三元锂(MNC)电池为研究对象,选用Thevenin等效电路模型,建立电池模型的状态方程和观测方程,完成了带遗忘因子的递推最小二乘法(FFRLS)的理论推导。进行电池单体混合动力脉冲功率特性测试(HPPC测试),基于测试数据和FFRLS算法完成电池模型的在线参数辨识,并通过锂离子电池的端电压精度来验证算法的可行性;在此基础上,提出一种权值选择粒子滤波(WSPF)算法来实现锂离子电池SOC估计,该算法中全部粒子都参与粒子滤波过程,但只选择较优权重粒子用于电池状态估计,从而解决粒子滤波的粒子退化问题,提高粒子的多样性。通过HPPC测试和动态工况测试(DST)结果验证,WSPF算法的估计精度能控制在2%以内。与重采样粒子滤波(SIR-PF)算法相比,WSPF算法的估计精度高,鲁棒性好。

基于RGB比例空间的立体匹配算法

实际场景中,由于光照条件不同,使从不同角度获得的、对应同一场景的图像像素对的RGB值不同,从而导致匹配错误,为了改善此问题,根据RGB色彩模型,形成RGB比例空间,提出基于RGB比例空间的自适应权值算法。实验结果表明,在光照条件不同时,与传统的基于RGB空间的匹配算法进行比较,该算法可以得到更准确的视差图。

一种构建灰色预测模型的新算法

针对传统的GM(1,1)建模方法,对于历史数据采取等权处理的局限性,提出了GM(1,1)建模的新算法,不同的历史数据在预测值中具有不同的权重,并且解决了确定权值的学习算法。仿真结果表明了该算法的有效性。

多服务级别带宽公平分配算法的研究

区分服务网络节点中的多级别的队列输出带宽由权值调度算法保证,固定权值调度在网络负载发生变化时无法继续提供公平的带宽保证。本文提出了一种动态调整权值的调度算法以达到在多服务级别间公平分配带宽。实验仿真表明,该算法可以对负载流数目的变化作出有效的响应,并快速实现调度权值的理想公平值。

BP算法的改进及其在焊接过程控制中的应用

BP算法存在着收敛速度较慢、易于陷入局部极小点的问题 ,为了解决该问题 ,对 BP算法作了大量仿真试验和深入分析后 ,发现神经网络各层间权值调节量存在较大的差异 ,从而提出了一种新的改进方法 ,充分发挥神经网络各权值对网络训练的贡献。试验结果表明 ,新算法与基本的 BP算法相比大大提高了网络收敛速度 ,用改进的算法对焊接过程进行了控制仿真 ,获得了较好的结果。

一种新的干扰抑制频域自适应算法

针对权值泄露自适应算法对功率时变干扰鲁棒性差的问题,在深入研究步长因子μ,泄露因子α与干扰抑制因子B关系的基础上,提出一种新的变步长频域抑制窄带干扰自适应算法。推导了新算法对功率时变干扰抑制性能,结合GPS抗干扰分析了新算法的收敛性能。新算法根据干扰功率自适应地调整干扰抑制因子B,提高了算法对时变干扰的鲁棒性,在干扰功率变化情况下能有效地抑制干扰。计算机仿真的结果证明了算法的有效性。

两输入幂激励前向神经网络权值与结构确定

基于多元函数逼近与二元幂级数展开理论,构建了一个以二元幂函数序列为隐神经元激励函数的两输入幂激励前向神经网络模型。以该网络模型为基础,基于权值直接确定法以及隐神经元数目与逼近误差的关系,提出了一种网络权值与结构确定算法。计算机仿真与数值实验结果验证了所构建的网络在逼近与去噪方面具有优越的性能,所提出的权值与结构确定算法能够快速、有效地确定网络的权值与最优结构,保证网络的最佳逼近能力。

一种前馈神经网络算法

神经网络由于其非线性处理能力强,性能稳定等特点得到了广泛应用和研究。主要应用于模式识别、信号 处理、知识工程、专家系统、优化组合、机器人控制等。神经网络中使用最为广泛的就是前馈神经网络。其网络权值学习 算法中影响最大的就是误差反向传播算法(back-propagation简称BP算法)。BP算法存在局部极小点,收敛速度慢等缺点。 基于优化理论的Levenberg-Marquardt算法忽略了二阶项。该文讨论当误差不为零或者不为线性函数即二阶项S(W)不能忽略 时的Hesse矩阵的近似计算,进而训练网络。

基于位置复合匹配的惯性/地图匹配组合定位算法

在卫星拒止条件下,基于矢量道路地图的惯性/地图匹配组合导航技术可以有效补偿惯导漂移误差,同时保持导航系统的自主性,具有很好的发展前景。针对现有的几何匹配算法方法较单一,误匹配率较高等问题,提出一种“点段”结合的匹配方法。首先,利用投影距离、夹角以及轨迹相关性的加权值筛选出候选道路;其次,充分利用历史匹配信息,引入裁决系统,对车辆行驶不同路段采用点匹配和段匹配复合分析模式,显著提高匹配精度与算法鲁棒性;最后,通过车载实验验证了该方法的有效性。测试结果表明,该方法可以有效抑制惯性导航误差发散,经算法抑制后惯导整体误差维持在15 m左右。研究可为后续惯性地图匹配组合导航技术提供支撑和新思路。

遗传规划多类图像分类算法研究

基于树结构的遗传规划图像分类器,仅能从树根节点输出单一实数值,要完成多类图像分类任务比较困难。提出遗传规划多类图像分类算法,等差权值中心动态边界确定分类算法和权值快速下降中心动态边界确定分类算法。在遗传规划分类器进化过程中,动态确定训练样本各类的边界,通过不同的权重设置策略,使类的边界值设定更趋合理,以提高分类器分类的准确度。图形分类测试表明,这2种算法,用于难度大的多类图像分类问题,能提高分类的准确度,分类效果理想。