基于知识的工程图识别模型研究

对人工读图的认知过程进行了分析,总结出其自组织的特征,设计了"基于知识的工程图识别层次模型",将整个工程图识别过程分为像素、矢量图元和工程图形三个层次,层次之间相应地进行基于知识的两阶段的矢量化和识别处理,该模型为各种工程知识的使用打下了基础。     

基于SMOTE-LOF-Adaboost模型的核心专利识别研究

针对核心专利识别准确率低的问题，重构指标体系；针对传统核心专利识别方法处理不平衡数据效果欠佳，提出重采样技术与集成算法的组合模型。首先，在传统指标构建基础上加入专利发明人相关指标；其次，使用合成少数类过采样算法(SMOTE)增加少数类样本解决数据不平衡问题，采用局部离群因子(LOF)算法对新生成样本进行降噪处理，并与自适应集成算法(Adaboost)组合成SMOTE-LOF-Adaboost模型；最后，以智慧芽专利数据库中2012—2016年共22077条光伏领域专利数据为例，使用SVM、Adaboost、SMOTE-Adaboost、SMOTE-LOFAdaboost进行实证分析。结果显示SMOTE-LOF-Adaboost模型AUC均值0.977 6,Recall均值0.986 0，均优于其他3种模型，表明该模型能够提高核心专利预测的准确性。     

基于决策树算法的竞争对手识别模型研究

文章对竞争对手识别的本质进行了分析,认为竞争对手识别是一个动态分类过程,指出该过程有3个难点.现有的竞争对手识别方法存在3个缺陷,因而无法有效地支持竞争对手识别过程.认为数据挖掘决策树算法可以应用于竞争对手识别,并详细描述了应用的过程,包括以下4个步骤:竞争对手属性选择、竞争对手数据准备、竞争对手数据预处理和建立竞争对手识别决策树.     

基于NPCIA的核心技术识别模型及应用研究

核心技术的识别是技术创新的重要环节，发现面向老年人的AAL监测领域核心技术，对预测该领域的技术发展趋势，提升应对老龄化社会技术需求能力有重要意义。已有研究聚集于分析技术交叉影响关系，基于技术交叉影响的核心技术识别尚未得到充分认识和应用。鉴于此，本文提出了基于技术交叉影响的核心技术识别模型，该模型以核心技术特征与技术交叉影响理论为基础。首先，阐述“核心技术”的概念，分析核心技术应具备的特性；其次，针对传统PCIA算法在核心技术识别中，难以直接套用条件概率计算技术交叉影响的不足，提出NPCIA算法测度技术交叉影响，并通过对核心技术已知的成熟技术分析，验证NPCIA算法的有效性，进而给出一种基于NPCIA算法的核心技术识别模型；最后，将提出的基于NPCIA的核心技术识别模型应用于面向老年人的AAL监测技术领域，验证所提核心技术识别模型的有效性     

基于拟合法的客户识别模型改进研究

客户保持是客户关系管理的一项基本任务,对节约成本和提高利润率有重要影响,实施客户保持,必须识别不同客户的特性,并根据识别结果进行客户细分,进而制定相应的客户策略,所以客户识别是企业客户关系实践的基础,是该理论研究框架的一条主线。在归纳总结国内外的相关研究资料的基础上,提出了CLP中客户利润变化的机制,并对CLP的衡量方法之一的拟合法进行了一定的改进。     

基于信息过程模型的创业机会识别研究

基于创业机会识别与信息/知识之间的重要关联性,本文运用经典信息过程模型剖析了创业机会的内涵,以此为基础阐述了基于创业信息过程模型的创业机会识别机理,并针对创业信息过程的3个环节分析了创业机会识别的关键影响因素。     

基于DR-Transformer模型的多模态情感识别研究

【目的/意义】本文融合文本和图像的多模态信息进行情感识别,引入图片模态信息进行情感语义增强,旨在解决单一文本模态信息无法准确判定情感极性的问题。【方法/过程】本文以网民在新浪微博发表的微博数据为实验对象,提出了一种基于DR-Transformer模型的多模态情感识别算法,使用预训练的DenseNet和RoBERTa模型,分别提取图片模态和文本模态的情感特征;通过引入Modal Embedding机制,达到标识不同模态特征来源的目的;采用浅层Transformer Encoder对不同模态的情感特征进行融合,利用Self-Attention机制动态调整各模态信息特征的权重。【结果/结论】在微博数据集上的实验表明：模型情感识别准确率为 79.84%;相较于基于单一文本、图片模态的情感分类算法,本模型准确率分别提升了 4.74%、19.05%;相较于对不同模态特征向量进行直接拼接的特征融合方法,本模型准确率提升了 1.12%。充分说明了本模型在情感识别的问题上具有科学性、合理性、有效性。【创新/局限】利用 Modal Embedding 和 Self-Attention 机制能够有效的融合多模态信息。微博网络舆情数据集还需进一步扩充。     

基于SSI-GuidedLDA模型的引导式网络敏感信息识别研究

[研究目的]引导式主题模型可以引导生成有倾向性的敏感主题,提高网络敏感信息识别性能,对维护国家安全和社会稳定具有重要意义。[研究方法]针对当前网络敏感信息识别研究构建敏感信息特征不全面和不准确,从而导致识别性能欠佳的问题,提出基于SSI-GuidedLDA模型的引导式网络敏感信息识别方法。首先,从多源网络资源中爬取敏感种子词,并基于词向量模型Word2Vec获得种子词的敏感语义相关词,构建更为完备、准确的敏感特征。其次,将构建的敏感特征融入引导式主题模型,得到改进后的模型SSI-GuidedLDA。最后,基于SSI-GuidedLDA模型获得待识别信息的主题分布,通过主题分布概率判断其是否为网络敏感信息。[研究结论]在新浪微博数据集上的实验结果显示,与已有方法相比,提出的方法在准确率、召回率和F₁值上均有一定提高。     

基于BP神经网络的人力资源素质结构识别模型研究

人岗优化配置是人力资源管理研究的热点与难点,以神经网络算法进行仿真学习,已经成为研究组织绩效同个人素质结构特征间相关性的重要实证方法。本研究以2014—2017年浙江省75家市县两级供电企业为样本,利用BP神经网络构建了基于供电企业特征的人力资源素质结构识别模型。通过参数设定,进行神经网络循环仿真训练,研究得出了基于优化训练目标的输出值,对进一步指导与改进供电企业人力资源素质结构具有较强的实践意义。     

基于G函数的胜任素质识别模型管理研究

20世纪70年代兴起于美国人力资源管理领域的一个新概念--"胜任素质",给企业管理体系的创新带来了新的契机和方向.基于学者们对"胜任素质"多方面研究的基础,以胜任素质理论与胜任素质模型为视角,研究提出了基于G函数胜任素质识别模型,以探索企业招聘体系的创新和胜任能力识别的新思路和新方法.     

基于汉字识别的碎纸片拼接复原模型研究

本文针对边缘相同的汉字碎纸片的拼接复原,通过读取碎纸片的灰度值,考虑文字行高、间距、字宽等因素,建立汉字碎纸片的拼接复原模型,结合人工干预,结果表明,拼接复原相似度很高。     

基于隐含空间模型降维和LDA模型的学科主题识别研究

[目的/意义]现有学科研究主题的梳理多为领域专家的定性分析和学科学者的文献梳理,一定程度会由于研究思维的局限性和获取知识的片面性造成学科研究主题误判,为有效避免漏判误判现象的发生,提出识别模型。[方法/过程]首先,运用传统LDA模型分析主题特征词;其次,结合上下文语义信息进行中文分词,形成学科主题词库;最后,结合隐含位置聚类算法发现潜在社区,提高主题识别效果。[结果/结论]提出的方法一定程度上优化了主题挖掘算法在识别短文本主题的效果,消除主观意愿。由计算机自行分类并实现科学研究前沿主题的预测,揭示前沿领域的研究热点,为致力于研究前沿学科的新兴学者提供参考价值。     

基于支持向量机的企业突破性创新识别模型研究

根据文献研究和创新识别的内涵,从技术、市场、产品、管理、财务、环境6个维度构成创新模式识别因素指标集,利用支持向量机原理建立了企业突破性创新识别模型,并应用该模型对61个样本数据进行创新模式的仿真识别,结果发现输出结果与样本调研及实际创新模式是一致的。实证研究表明,该方法在突破性创新识别中具有较强的有效性及优越性。     

基于知识地图和蚁群算法的知识识别模型研究

知识在其属性空间内是存在联系的,知识地图作为可视化表达工具,是具有属性空间知识的理想载体,它是知识空间形象思维的再现。在杂乱无章的知识群中,企业如果能够准确、高效地对知识加以识别,将会给企业带来相当大的隐性收益。这些收益虽然不能直接体现在企业的财务报表上,但是它们确实是影响企业组织规模和运营模式的内在因素。本文以知识地图和蚁群算法为研究工具,建立了企业的知识管理体系中知识识别的模型,通过实证中相关数据的采集绘制出企业相关技术实现的知识地图,并通过蚁群算法在地图中找到了一条较为合理的知识识别路径。     

基于专利数据的核心技术识别模型构建及实证研究

[目的/意义]掌握核心技术可以为经济高质量发展提供有力支撑,如何利用专利数据识别核心技术是值得关注的问题。[方法/过程]构建核心技术“三力”模型,构建核心技术识别指标体系和识别模型,利用最优组合赋权法确定权重,划分核心技术区间,基于OLED平板显示产业1997-2016年世界专利数据进行实证研究。[结果/结论]识别得到11项核心专利,均集中在材料制备、元件制造、驱动电路设计三个产业链上游领域。研究结果符合目前技术国际分布格局,说明提出的核心技术识别模型具有科学性和实用性,能够准确识别产业核心技术。     

基于贝叶斯判别的中国上市公司利润操纵识别模型研究

准确识别上市公司利润操纵行为对于规范证券市场、提高证券市场资源配置的效率、防范投资风险具有重要意义。本文从分析上市公司利润操纵的动机、手段及其表现入手,初步设计14个有一定配比关系和内在联系的财务指标,并经过独立样本T检验进一步筛选出其中的5个。选取证监会以利润操纵名义查处的35家上市公司为样本组,并以样本组公司为参照,选取同行业资产规模差距不超过5%且经营状况稳定、无重大违规行为的35家公司作为控制样本组,运用贝叶斯判别分析进行横向对比与判别,构建利润操纵分类识别模型,实证结果显示识别率达到了70%。     

基于手机的语音识别模型专利技术综述

本文针对基于手机的语音识别模型领域技术在全球的专利申请情况从技术分支、发展演进状况、重点专利及重要申请人的角度进行了分析。对于相关工作人员在基于手机的语音识别模型领域的技术更新优化和相关专利布局可以起到一定的借鉴作用。     

基于卷积神经网络的虚假评论识别模型

在线商品虚假评论的出现使消费者利益受到损害,而对于虚假评论识别的传统方法往往依赖于人工提取文本特征,专业领域知识的受限导致特征提取不全面、模型分类效果不理想。针对这些不足,本文提出基于卷积神经网络的学习框架,利用不同大小的卷积核学习评论更深层次的文本特征,同时减少了人为特征提取所需要的工作量。实验结果表明该方法在准确率和F值均取得了较好的效果。     

基于深度学习模型的花卉种类识别

提出了一种新的带有多个隐层的深度卷积神经网络,用于非刚性物体的识别。以花卉识别为例子向导,通过分析本文提出的深度神经网络架构、卷积和池化方法以及反向传播误差等主要方法,构造出了一个全新的深度卷积识别模型。通过针对Image Net数据库中的80类花卉图像做训练和识别,在实验过程中与传统神经网络和支持向量机做比较,结果表明本文提出的算法能够提升花卉识别10%以上的识别率,提升效果明显。