基于半监督学习的客户信用评估集成模型研究

将半监督学习技术与多分类器集成模型Bagging相结合,构建类别分布不平衡环境下基于Bagging的半监督集成模型(SSEBI),综合利用有、无类别标签的样本来提高模型的性能.该模型主要包括三个阶段:(1)从无类别标签数据集中选择性标记一部分样本并训练若干个基本分类器;(2)使用训练好的基本分类器对测试集样本进行分类;(3)对分类结果进行集成得到最终分类结果.在五个客户信用评估数据集上进行实证分析,结果表明本研究提出的SSEBI模型的有效性.     

半监督学习研究与应用

半监督学习问题在现实社会和数据挖掘中得到运用广泛,半监督学习的理论研究成果部分已经应用于实际问题。首先对于半监督学习进行概述,介绍半监督学习方法的几个思路,给出半监督学习的理论研究和实际应用中的一些问题,然后描述半监督学习的几个常用算法,最后阐述半监督学习方法的实际应用。     

一种半结构化的P2P视频流媒体直播模型

提出了一种基于半结构化P2P拓扑的流媒体直播模型,该模型兼有中心结构化拓扑与分布式无结构化拓扑的优点,可以快速进行流媒体的分发。提高了流媒体直播的网络利用效率并减少了部署成本。     

正确认识第二语言习得与学习

本文从大学生的知识结构和智能的视角讨论我国的大学外语教育;从社会发展需要和个体发展需要论证我国大学进行外语教学的目的。     

浅谈第二语言学习中的错误分析

本文探讨了外语学习中错误发生的根源及错误时外语学习的影响,从而提出了进行纠错方法.     

文化差异在第二语言学习中的重要性

文化差异特别是东西方文化的差异,导致了人们对同一事物或概念形成了不同的理解。在我们学习一门外语时,往往会形成误解。本文针对这种情况提出在学习一门语言时应该结合目的与国家的文化,这样能起到事半功倍的效果。     

面向半结构化文本的知识抽取研究

文章在对国内外相关文献进行归纳和梳理的基础上,从半结构化文本知识抽取的载体类型、内容与技术方法3个方面,对其研究现状与进展进行了综合论述,并展望了未来的研究发展趋势。     

计算机视觉下半监督学习的人员踩踏风险预警

提出一种计算机视觉下半监督学习预警的人员踩踏风险,采用计算机视觉技术实现对数据的采集和处理,采用图像分割处理技术实现区域划分,在此基础上,通过半监督学习的方法,对实时采集的数据进行监督和不断更新的学习,从而达到实时预警的目的。最后采用一组非均衡分布下的人员密度进行系统预警的测试实验,结果显示,采用半监督学习方法,可以很好的实现计算机视觉系统下的人员踩踏风险预警,对高风险和低风险进行标定,实现预警,具有很好的安全使用价值。     

一种改进半监督学习的图像语义自动识别方法

针对大量不相关的冗余特征制约图像关键特征分类性,导致语义识别模型出现偏差的问题,提出一种混合约束的半监督图像语义特征选择方法。在半监督学习的基础上,算法采用成对约束和数据清洗相结合的特征评价方法快速去除不相关图像干扰特征,聚类过程中考虑可转换语义直接的特征相关性,保证语义特征正确。实验结果表明,与传统的语义特征识别方法相比,该方法能以更少的特征获得更好的语义特征分类性能,有更好的识别效果。     

基于自适应遗传算法的半监督支持向量机学习法

本文将自适应遗传算法用于半监督支持向量机(S’VMs)的训练,取得了令人满意的非线形分类效果,并将遗传算法与传统的最速下降法相结合能使分类精度进一步提高。     

基于半结构化分割的Web热点数据挖掘算法

随着大数据信息技术的发展,数据在线监测和数据挖掘成为计算机信息领域研究的热点。通过对Web热点数据分割挖掘,提高信息热点追踪和Web数据分类能力。传统算法采用非结构化数据挖掘算法,无法有效对Web热点数据进行准确定位和分层挖掘。提出一种基于半结构化分割的Web热点数据挖掘算法。采用半结构化数据进行特征分割,基于优秀基因位进行差分进化,使寻优曲线不断趋于平缓,在多个节点上并行的运行比较脚本,采用半结构化分割,使得Web热点特征挖掘实现自适应寻优,得到Web热点数据的分配因子,提高了挖掘性能。仿真结果表明,该算法获得了良好的效率和精度,提高了Web热点数据挖掘的自适应寻优能力。     

半结构化技术在教学活动建模中的应用

通过解释活动模型的动态生成过程,并对其进行数据建模,帮助系统开发者在此基础上构建智能教学管理系统。     

SQL 2005处理XML半结构化数据查询

SQLScrver2005关系数据库管理系统提供了强大的管理XML数据的功能,但它用传统的通过建立索引等方式进行查询效果并不理想.文章分析了SQLserver2005在查询XML数据过程中低效的原因,提出了通过建立附加表或者附加列以及相应索引、利用查询窗口等措施来优化查询.实验结果表明,该方法能有效提高查询XML数据的效率.     

泛读在第二语言学习中的重要作用

在阅读和写作教学中,精读和写作为教师重视,泛读处在与它的重要性极不匹配的位置。然而泛读在第二语言学习中起着极其重要的作用,如创设了第二语言学习的语境;培养了第二语言学习者的兴趣;提高了第二语言学习者的阅读能力;扩大了第二语言学习者的词汇量;打开了第二语言蕴含的文化窗口;增强第二语言学习者的语感、提高他们的写作能力等。     

中国大陆各地区人均GDP的Markov模型

论文首先将中国大陆各省、自治区、直辖市的人均GDP情况划分为4种状态，然后使用Markov方法建立一个预测中国各地区人均GDP在10年后和20年后发展状况的分析模型，并利用此模型对中国各地区人均GDP的演化和变化情况进行了分析和预测。     

物流外包服务商选择的半结构化模糊决策研究

科学地评价与选择物流服务商是企业物流外包成功的关键.文章建立了评价物流服务商的指标体系,针对企业在选择物流服务商的过程中既要考虑定量指标因素也要考虑许多难以量化的定性指标因素的特点,提出了物流外包服务商选择的半结构化模糊决策方法,并通过应用实例验证了该方法的可行性与合理性.     

半结构化信息抽取在股票交易中的应用研究

针对股票的网站越来越多,如何从这些网站的有关页面进行信息抽取,并得到相关知识,为股民提供股票交易的决策参考,是一个值得研究的课题。本文剖析了信息抽取常用的Wrapper方法,以及抽取知识的获取方法。最后,根据可视化信息抽取的原则,设计了一个可视化信息抽取的实验,取得了良好的效果。     

汉语作为第二语言的学习与自我认同变化

研究期望通过对60名以汉语为第二语言的学习者的调查,了解汉语学习是否能引起学习者自我认同的变化。结果显示：学习者在自我认同方面发生了变化,其中自信的变化最为显著且正向,即通过对汉语的学习和掌握,学习者更加自信;削减性没有发生变化,说明学习者并未丢失对母语文化的认同;生产性和附加性的变化,说明学习者对汉语文化的认同感和跨文化意识在增强,体现了善学者积极使用目的语并对他者文化兼容并蓄的学习策略;身份认同的变化启发学习者通过自我调节、交际策略和情感策略等,使对目的语及目的语文化的学习达到更好的效果。     

一种结合GAN和伪标签的深度半监督模型研究

<正>深度学习的发展依赖于数据,尤其需要大量有标注的样本以支撑模型的训练。在很多领域,标注样本是高成本的,但与此同时存在大量而廉价的无标注数据。半监督学习能有效利用无标注数据以提升分类器的性能,符合应用场景的诉求。SGAN模型在GAN上进行拓展,使其能以端到端的模式完成半监督任务。但是该模型没有充分利用无标签和生成样本。因此本文提出一种新的方法 PSGAN,引入伪标签损     

数据库集群负载均衡优化的Markov模型研究

针对数据库集群负载过重问题,本文提出了一种基于Markov的数据库集群负载均衡优化模型。该模型引入了基于两级事务管理器的中间件模型,提高写数据库操作的效率,并采用Markov模型预测采样周期内执行节点负载信息,并结合滑动窗口方法来更新管理节点内各执行节点的负载信息记录,然后针对综合性能指标对其进行负载均衡优化。实验表明,基于Markov的数据库集群负载均衡优化模型在可靠性和性能上得到了提高,该模型切实有效。