基于PTM潜在Dirichlet分配的少量标记样本文本分类

针对现实文本分类环境下通常仅有少量标记样本而影响分类精度的问题,提出了一种基于概率主题模型潜在Dirichlet分配的分类算法。借助标准词频逆文档频率函数将每个文档表示成术语权重向量;利用概率主题模型预处理以简化文档,并从文档中提取术语;再利用潜在Dirichlet分配模型进行关系学习,构建基于图的分类器完成分类。在公开的Reuters-21578资源库上的分类实验评估了该方法的有效性,相比分类效果较好的支持向量机,该方法在大部分情况下能够取得更高的分类精度。

基于Block-Gibbs抽样的无限潜Dirichlet分配模型的高分辨率全色遥感影像非监督分类

通过引入文本检索算法中的无限潜Dirichlet分配(infinite Latent Dirichlet Allocation,即iLDA)模型,对遥感影像进行建模以获取地物的统计分布及其共生关系,从而实现遥感影像非监督分类。首先,将遥感影像有重叠地划分成一组大小相等的影像块(文集)。其次,以iLDA为基础,构建"像元"(视觉词)、"影像块"(文档)和"地物类"(主题)之间的条件概率关系,并采用Block-Gibbs抽样的方法来估计模型参数,从而构建基于BlockGibbs抽样的iLDA遥感影像非监督分类模型(Block-Gibbs based iLDA,即BG-iLDA)。最后,通过对BG-iLDA模型的逼近求解实现高分辨率遥感影像的非监督分类。实验结果表明,本文提出的基于BG-iLDA的面向对象非监督分类方法相对传统的K-means等算法精度更高,更能有效区分"同谱异物"的地物。

基于潜在狄利克雷分配模型预测克隆代码不一致变化的可能性

程序员对源代码的拷贝、粘贴及修改活动会导致软件中出现大量的克隆代码,而在版本的进化过程中,克隆代码的不一致变化是引起程序错误的主要原因,同时会增加维护成本。为了解决该问题,提出一种新的研究方法:首先构建版本间克隆群的映射关系,其次借助潜在狄利克雷分配(LDA)模型提取直系克隆群集主题,最后预测克隆代码不一致变化的可能性。对一款软件的8个版本进行了实验,实验结果的区分度明显,可以有效地预测不一致变化的可能性,评估软件质量和可信性。

基于潜在狄利克雷分配模型和互信息的无监督特征选取法

为解决互信息(MI)在特征选取中的类别缺失和倾向低频词问题,提出LDA-σ方法。该方法使用潜在狄利克雷分配模型(LDA)提取潜在主题,以"词—主题"间互信息的标准差作为特征评估函数。在Reuters-21578语料集上提取特征词并进行分类,LDA-σ方法的微平均F1最高达0.9096;宏平均F1优于其他算法,最高达0.7823。实验表明,LDA-σ方法可用于文本特征选取。

基于潜在博弈的认知无线电频谱分配研究

为解决认知无线电网络中认知用户、授权用户共存情况下的频谱分配问题,提出了一种基于潜在博弈的认知无线电频谱分配模型,该模型以最小化系统总干扰水平为目标,认知用户采用避免机会浪费的改进型策略动态调整规则进行频谱选择,经过有限改进路径快速收敛到博弈的纳什均衡点。在30个认知用户和2个授权用户共存的场景下进行仿真实验,算法以较快的收敛速度实现了频谱分配的目标,证明了模型及算法的可行有效。

土地征收增值收益分配中的“显”规则与“潜”规则研究

在现行土地征收增值收益分配制度安排中,地方政府通过以原用途和年产值为核心制定的征地补偿方式分配农地征收增值收益的"显"性分配规则在实践中的执行性和公正性受到质疑。"显"规则忽视了土地征收行为可能造成征收人和被征收之间的利益冲突,缺乏明确有效的救济措施。地方政府为实现征地目标,有意识地默许通过"显"规则之外的途径——"潜"规则来提高补偿额以消弭潜在的不稳定因素。但是双规则共存的土地增值分配机制背离了社会公正与经济稳定发展的目标,必须缩小或杜绝分配的"潜"规则,在不同层面对"显"规则进行系统设计。

结合非负张量表示与扩展隐Dirichlet分配模型的图像标注

由于"语义鸿沟"的存在,自动图像标注是一项极具挑战性的工作。考虑到图像低层视觉特征与高层语义概念的差异,分别从图像表示与语义建模两个方面来实现自动图像标注。在图像表示方面,提出了一种正则化约束下的非负张量表示方法,用以提取符合人眼视觉直观理解的图像高阶结构特征。在语义建模方面,提出了一种三层贝叶斯模型——扩展隐Dirichlet分配。该模型利用隐变量来实现图像与标注词的关联,并通过一种基于变分推理的期望最大值方法来估计参数。实验结果表明,ELDA模型在大规模数据库NUS-WIDE上的标注结果相较于现有方法有了显著的提高。

基于潜在Dirichlet分布的图像分层表示模型

现有的图像分层表示方法严格局限于前馈型方式,不能较好地解决局部模糊性等问题.基于此,文中提出一种学习和推断层次结构所有分层的概率模型,它考虑递归的概率分解过程,通过推导得到金字塔式多层结构的潜在Dirichlet分布的衍生模型.该模型存在两个重要特性:增加表示层可提高平面模型的性能;采用全Bayesian概率方法优于其前馈型实现形式.在标准识别数据集上的实验结果表明,与现有的分层表示方法相比,该模型表现出较好性能.

基于潜在狄利克雷分配的图像多层视觉表示方法

针对前馈型图像多层视觉表示方法难以处理局部模糊情况,提出一种基于潜在狄利克雷分配(LDA)的图像多层视觉表示方法——LDA-IMVR。通过递归的概率分解方式,获得LDA的递归生成模型;同时,通过学习和推断多层结构的所有分层,以及利用反馈方式来提高分类学习性能。在Caltech 101数据集上的实验结果表明,与相关的多层视觉表示方法比较,LDA-IMVR提高了数据对象的分类性能,并且在分量学习和图像特征区域可视化方面也得到了较好的效果。

基于潜在博弈论的频谱优化分配问题研究

针对认知无线电网络中的动态频谱分配问题,提出一种基于改进的干扰协调的频谱分配共享(Non-cooperation Spectrum Sharing Algorithm based on Interference Coordination,NCSSA-IC)算法。首先将频谱分配问题转换成联合优化问题,然后利用潜在博弈算法实现频谱最优的分配方案。认知用户选取使得系统干扰量最小化和吞吐量最大化的信道完成通信,从而实现频谱的最优化分配。最后,通过频谱分配仿真对提出的算法进行验证。结果表明:与其他算法相比,该算法能在较短时间内收敛到纳什均衡,系统总干扰水平降到最小、用户的吞吐量达到最大、用户的公平性有了明显提高,实现了频谱的高效利用。

基于人工神经网络的半潜平台动力定位系统推力分配策略研究

针对带有禁止角的半潜平台动力定位系统推力分配算法功率较大的问题,提出了一种基于人工神经网络拟合桨—桨干扰推力损失函数的序列二次规划推力分配算法。该方法考虑了半潜平台桨—桨干扰造成的推力损失,引入推力系数来表达推力损失。利用人工神经网络拟合推力系数,将推力损失加入到推力分配的数学模型中,取消了禁止角。采用序列二次规划求解推力分配数学模型。最后以某半潜式钻井平台为例,选取三种浪向角工况进行推力分配仿真模拟,结果显示该算法在高效分配定位所需推力的同时有效减小了功率消耗,应用前景广泛。

基于潜在狄利克雷分配模型的医疗数据研究

以潜在狄利克雷分配(Lejeune Dirichlet allocation,LDA)模型为基础,研究中医诊疗中的多关系主题模型,提出一个症状-中药-治疗-诊断方法(symptom-herb-therapies-diagnosis topic,SHTDT)模型,用于提取中医临床数据中的症状、中药、治疗方法和诊断的主题结构.参数推理采用Gibbs抽样,根据主题间平均相似度,确定最佳主题数.实验中采用SHTDT模型可以预测给定症状的患者的主题分布、中药、治疗方法及诊断结果,为临床医生和研究人员提供参考.结果表明该模型能够为中医临床诊疗规律的研究提供一个新的统计工具.

半潜式平台动力定位系统控制力动态约束分配法

半潜式平台动力定位推力分配系统通过计算每个推力器的推力和推力角,将控制力分配到推力系统的各推力器上。基于系统耗能最小模式,根据推力器之间的损失模型,通过动态设置推力可行域,将推力分配问题转化为求解二次型优化模型。考虑推力器的物理性能,以推力变化率和转角变化速率为控制参数,利用序列二次规划法得到数值计算结果。该方法充分考虑推力器的物理性能,降低推力器的机械磨损,且可以避免处理可行域为非凸集问题,有效地提高推力器的推力效率。

潜在狄利克雷分配模型在网络日志的应用

近年来,基于Web日志的数据挖掘技术逐渐成为理论研究和商业应用中的热点问题,而其中Web用户分类又是挖掘领域中最重要的研究主题之一.对Web用户分类能够发现用户之间相似的用户行为,从而针对具体用户群设置对应的服务项目.根据用户的历史访问网页地址(URL)信息,提出了基于加权潜在狄利克雷分配(LDA)模型的用户分类方法,将用户划分到不同的主题群体,实验表明,这种方法能达到很好的分类效果.

潜存形式的“劳”不能作为分配的依据吗?——与于丛、罗兴同志商榷

干丛、罗兴同志认为,潜存形式的“劳”不能作为个人消费品分配的依据。理由之一是这种形式的“劳”无法确量;之二是以这种“劳”为分配依据,会助长懒隋、消极和怠工等行为,会造成人们对劳动本身的忽略,我认为,这种观点值得商榷。潜存形式的“劳”到底能不能作为分配的依据,要搞清楚这个问题,首先必须明确会什么叫做潜存形式的“劳”。干丛、罗兴同志认为,所谓潜存形式的“劳”,就是“体力和智力的状况”,是指某个劳动者已具有的,现处于潜在形态的劳动能力。假如我们同意干丛、罗兴同志对这一概念的解释,那么这种形态的“劳”真的不能确量吗,不,这种形态的“劳”计量的方式是考核。

基于潜在博弈的认知网络动态频谱分配算法

认知无线电中的关键技术频谱决策与经济学中的博弈论相结合是近年来解决频谱动态分配的主要技术方向。将频谱资源的动态分配抽象为博弈模型,并以系统总干扰水平最小为目标确定了效用函数和潜在函数,最后依据博弈模型进行仿真。仿真结果表明,该算法能快速收敛于纳什均衡,且有效降低了系统总干扰水平。

水下自主潜航器集群协同围捕技术

水下自主潜航器(autonomous underwater vehicle,AUV)集群协作围捕技术是国际前沿的研究热点,研究了AUV集群水下协同围捕技术的应用,并归纳总结了5种典型的围捕场景;提出了一个全面的AUV集群协同围捕任务的系统框架,并基于该框架详细归纳分析了AUV围捕技术的研究进展,指出了一些有前景的研究方向.

分布式潜在狄利克雷分配研究综述

作为主题模型中最重要的机器学习模型,潜在狄利克雷分配问题在包括自然语言处理和信息检索等各领域展现出不可替代的地位。求解潜在狄利克雷分配问题主要采用变分推断和马尔科夫链蒙特卡洛两类算法。目前,数据的增长速度早已远超硬件能力的增长速度,因此在大数据时代,分布式平台的使用成为大数据训练的主流解决方案。利用分布式系统加速对潜在狄利克雷的训练和推断,成为相关研究领域的热门问题。本文对分布式潜在狄利克雷分配算法的相关工作进行分类整理和评估,对未来该领域的研究方向具有引导作用。

半潜式平台动力定位推力系统分配策略研究

为使动力定位推力分配系统在任何时刻均能产生定位所需的力和力矩,保证船舶处于预定位置或航向,在考虑推进器回转速度、额定功率、工作区限制和避免分配矩阵奇异值等约束条件下,采用基于序列的二次规划法在每个控制指令间隔内求解凸二次规划问题,实现了推力在不同推进器之间的最优分配,使系统的总功率消耗达到最小并有效的减少了推进器的损耗,计算实例结果验证了该方法的有效性。

半潜式钻井平台动力定位系统的推进器推力分配优化探析

随着人类对海洋资源的探索不断加深,船舶动力定位系统也随之发展了起来,并且渐渐替代了锚泊系统。动力定位系统是依靠推进器来平衡外力影响,使平台定位在指定位置进行作业。推力分配是指动力定位系统中将总的推力分配到各个推进器,实现对各推进器的推力与角度的分配。本文在平台的运动模型以及环境模型的基础上,运用遗传算法及非线性规划算法的结合对推力分配进行优化并进行仿真。