基于神经网络算法的文本分类器研究

文本自动分类是目前最常用的文本信息自动处理技术,也是人工智能、自然语言处理和信息检索领域的研究热点。对文本自动分类所涉及的相关问题进行了全面论述,并简单介绍了基于神经网络的文本分类器的设计与实现。     

基于专业词典的文本摘要系统的探讨

我们正处于信息爆炸的时代。90年代以来,Internet以惊人的速度发展起来,它容纳了海量的各种类型的原始信息,如:文本、声音、图像等等。为了使读者更方便地获取信息,很多公司将各种不同的信息收集起来存放于数据库中并建成网站。对于那些每天需要大量阅读的读者来说,这些网站确实很有用处;但是,由于没有对数据库中的信息作任何处理,以致必须浏览整篇文档,不能降低阅读时间,提高效率。所以,我们迫切需要一个能自动产生准确的摘要的系统,帮助我们在更短的时间内有效地把握文本信息,从而节约获得信息的时间。自动文本摘要系统的研究也就成了信息处理领域的一个重要研究课题。     

一种基于测地距离的多文档自动摘要方法

提出了一种基于测地距离的多文档摘要方法。该方法首先利用可以揭示高维向量相似度的测地距来代替传统的向量夹角作为句子相似度的对比基础,然后通过TextTiling算法进行分割文本,利用基于Wordnet的概念向量空间模型消歧计算段落相似度来构建"文本关系图"产生文摘。在DUC上的实验结果表明,该算法能够有效地生成非受限领域的多篇文档摘要并全面反映文档的主要内容并能有效地提高文档摘要的质量。     

基于M-C-G神经网络的多文档自动摘要方法

为解决海量数据导致用户信息过载问题,通过分析人民网、新浪网等网站的新闻网页数据,将传统方法与深度学习方法相结合,提出基于特征融合、CNN和GRU的多文档摘要方法（M-C-G）。首先对30种不同主题的新闻网页进行数据清洗,使用word2vec工具训练词向量模型,根据多种特征计算得到初步摘要结果;然后把8.3万条搜狐新闻语料文本数据输入带有CNN和GRU的Seq2Seq模型上训练;最后把初步摘要结果输入模型进行测试,得到最终摘要结果。实验结果表明,在ROUGE评测体系中采用该方法比现有方法准确率至少提高约2%,可有效帮助用户寻找有价值的文本信息。     

一种改进的基于信噪比的文本分类方法

改进了传统的信噪比文本分类方法。提出了一种改进的基于信噪比的文本分类方法。它考虑了禁用词的排除、近义词和同义词的合并以及特征项在文本中不同位置对文章分类的贡献不同。     

基于突发事件新闻网页的文本分类方法研究

从对突发事件新闻结构特点的分析出发,进行了特定领域文本分类方法的探讨。其中根据文本特点,摒除信息量小的部分,将标题、首部等作为标引源,提高了分类速度。在特征抽取中综合考虑字与词对于文本分类的作用,提高了分类精度。     

一种基于改进互信息的文本分类方法

特征降维是文本分类的关键步骤之一.传统互信息特征选择方法只关注了文档频,未考虑词频因素,并且忽视了负相关特征对文本分类的重要作用,导致其在不平衡语料集上的分类效果较差.针对传统互信息方法存在的不足,提出一种改进的互信息特征选择方法,综合考虑词频因素及正、负相关特征对文本分类的影响,引入平均词频率和绝对值最大因子,克服传统互信息倾向于选择低频词、忽视负相关特征的缺陷.在不平衡语料集上的实验结果表明,改进的互信息能够有效提高文本分类性能.     

基于混合学习算法的径向基函数神经网络设计

隐藏层中心点参数的选择和权值向量的快速计算是径向基函数神经网络设计的关键问题.基于"半月"数据集,论文提出了一种上下半月单独计算聚类中心的K-均值聚类、递归最小二乘算法计算权值向量的混合学习算法.基于三层RBF神经网络结构,以支持向量机作为分类器,开展了K-均值+最小均方算法及K-均值+递归最小二乘算法2种混合模式的对比实验.实验结果表明,"K-均值+RLS"算法相比"K-均值+LMS"算法具有更快的收敛性,在应对线性不可分的情况,上下半月单独作用的K-均值聚类算法表现更优越,综合考虑收敛速度及分类精度两个指标,论文提出的上下半月单独计算中心点的K-均值聚类+RLS的混合学习算法获得较优的性能.     

粗糙集和神经网络在文本分类中的应用研究

把粗糙集与神经网络结合,应用于文本分类,可以充分发挥两种方法的优势,取长补短,粗糙集理论可以有效地对样本集进行约简,从而简化了神经网络的结构,减少了网络的训练次数,学习速度和分类精度明显提高,并用仿真实验验证了此方法的有效性.     

一种文本相似性的度量方法和计算方法

本文提出了一种判定两个文本相似性的度量方法，定义了相似度和摘录度，对其意义做了简单的分析；并用动态规划的思想给出了时间复杂度为O（mn）的计算方法。     

利用混合神经网络辨识Hammerstein模型的方法

研究了Hammerstein模型的辨识问题 ,并考虑了多输入多输出 (MIMO)情况 .提出一种混合神经网络辨识模型 ,该模型由一个多层前馈神经网络 (MFNN)与一个线性神经网络 (LNN)串联而成 .给出了一个反向传播 (BP)算法同步训练该混合神经网络的权值和阈值 .仿真结果表明了该方法的有效性 .     

一类神经网络的指数稳定性分析

避免构造Lyapunov函数的困难,运用广义Dahlquist数方法研究了一类神经网络模型平衡点的存在唯一性和指数稳定性,在没有假设激活函数具有可微性、有界性的条件下,得出新的判据。     

Study on Fault Diagnosis of Rotating Machinery with Hybrid Neural Networks

ＳｔｕｄｙｏｎＦａｕｌｔＤｉａｇｎｏｓｉｓｏｆＲｏｔａｔｉｎｇＭａｃｈｉｎｅｒｙｗｉｔｈＨｙｂｒｉｄＮｅｕｒａｌＮｅｔｗｏｒｋｓＺａｎｇＣｈａｏｐｉｎｇ（臧朝平）ＧａｏＷｅｉ（高伟）（ＮＥＲＣＴＶ，ＳｏｕｔｈｅａｓｔＵｎｉｖｅｒｓｉｔｙ，Ｎａｎｊｉｎ...     

甜叶菊糖苷提取工艺的研究

本文介绍了化学凝集—电解纯化—溶剂精制提取甜叶菊糖苷的工艺及工艺条件。在最佳条件下,提取物脱色率可达95％以上,产品收率为7—8％,含量在80％左右。     

入侵检测技术综述

本文介绍了入侵检测技术的概念、分类以及功能和检测方法．对两种检测方法的优点和不足进行了讨论,并对入侵检测技术的发展方向进行了介绍。     

对一类时变时滞递归神经网络的全局渐进稳定性充分性条件的研究

该文研究了一类带时变时滞的递归神经网络的全局渐进稳定性,利用Lyapunov函数和线性矩阵不等式方法,得到了系统平衡点全局渐进稳定的充分条件.     

神经网络的信息系统

模糊显示逻辑ＦＥＬ是神经网络的形式描述，在逻辑推理方面代表了神经网络的能力，信息系统则是处理信息的片断，可以用于构造语义域，本文把网络的结点作为信息片断，构造ＦＥＬ的信息系统     

基于混合优化的RBF神经网络集成的降水预报模型

针对传统的单个RBF神经网络集成中个体的隐节点个数和初始参数难以客观确定的不足,为了提高泛化能力,提出一种以高斯核函数的混合优化的RBF神经网络的方法,首先引入正交最小二乘法动态客观的获取数据中心的个数、数据中心及权值;然后通过计算隐层中心点间最小距离作为扩展常数;最后使用剃度法调节权值、中心及扩展常数使网络参数和结构达到最优.该方法结合了正交最小二乘法和剃度算法的优点,通过从结构和算法两方面的调整提升了单个的传统的RBF网络的性能.并将上述优化混合的RBF神经网络与主成分分析方法相结合建立模型.本文以广西5月逐日降水事先初选的众多预报因子进行主成分分析算法提取有效的几个综合因子,然后使用混合算法优化的径向基网络建立降水预测模型.结果表明,该模型具有较好的收敛效果和泛化能力,在预报性能上明显优于同期的T213降水预报,具有一定的普遍适用性.     

一类时滞递归神经网络的鲁棒稳定性

运用M-矩阵的性质、拓扑度理论、Liapunov泛函方法与不等式技巧,研究了一类时滞神经网络的全局鲁棒稳定性,给出了全局鲁棒稳定性的新的代数判据.