基于贝叶斯文本分类的高校设备批量集中采购

针对高校设备批量集中采购适用范围狭窄的问题,可尝试新的思路:将批量集中采购的方式由按照采购品目进行集中,改为按照满足招标条件进行集中。由此可以用贝叶斯分类算法将批量集中采购问题转变为对设备分类问题,从而利用计算机及网络的优势,实现跨部门、跨地区的设备汇总。实验结果表明,改进的分类器可以在高校设备采购中进行有效的初步分类及汇总,从而扩大批量集中采购在高校的适用范围。

关键词提取的K-means方法在设备分类中的运用

利用文本分类技术对设备进行分类目前遇到的最大困难是,信息处理量的急剧增加造成分类过程中设备特征项维数的大幅增加,使得对设备的分类变得愈加困难,且效率愈来愈低.而关键词提取是提高文本分类效率的常用方法.根据设备文本描述的特点,以预先假定的初始关键词及其特征项词频来构建向量空间模型(VSM),在此基础上利用K-means算法将文本中的关键词提取出来.实验表明,基于K-means的关键词提取不仅大幅度地提高了设备分类效率,且分类准确性也得到了提高.

基于气体传感器阵列和非线性信号分析技术的龙井茶品质检测方法研究

研究了一种基于传感器阵列信号分析的龙井茶品质检测技术,采用多气体传感器阵列构建检测平台,实验检测不同储存时间的龙井茶样品,并对传感器阵列信号开展信号分析。为了进一步优化传感器阵列检测龙井茶品质的准确性,对传感器阵列参数优化,得到优化之后的阵列,优化后的传感器阵列具有更高的准确性。采用载荷分析(Loadings)、归一化处理进行数据的预处理。实验采用模糊C均值聚类(FCM)、K近邻函数(KNN)和概率神经网络(PNN) 3种方法对传感器阵列检测信息进行了模式识别,以评估所构建系统的检测精度。结果表明3种方法的识别正确率分别为90.83%,90%和93.3%。结果表明KNN和PNN针对气体传感器阵列检测龙井茶品质领域均呈现了较好的模式识别结果。以上结果证明该系统具有较好的检测精度,随机共振系统输出相关系数曲线可以较好的区分不同茶叶样品,并且依托互相关系数特征峰值构建了其品质分析模型。

基于贝叶斯的批量集中采购网络系统开发与研究

采用面向对象UML建模的系统分析方法,通过建立用例视图、类视图、对象交互视图和活动视图等系统模型视图,构建了基于目录分类与贝叶斯分类的批量集中采购网络系统,以实现分类汇总、跨部门配送及网络决策功能。同时也给出了系统安全设计及制度设计方案,使得基于贝叶斯的批量集中采购网络系统具有实际运用价值,从而满足了批量集中采购跨部门、跨地区的设备分类汇总、招标采购及配送要求,扩大了高校仪器设备批量集中采购的适用范围。