一个中文文本自动分类数学模型

本文提出了一种根据汉字统计特性和基于实例映射的中文文本自动分类模型。该模型采用汉字字频向量作为文本的表示方法。它的显著特点是引入线性最小二乘方拟合（ＬｉｎｅａｒＬｅａｓｔＳｑｕａｒｅＦｉｔ,ＬＬＳＦ）技术建立文本分类器模型,通过对训练集语料的手工分类标引以及对文本和类别间的相关性判定的学习,实现了基于全局最小错误率的汉字———类别两个向量空间的映射函数,并用该函数对测试文本进行分类。     

电磁系统的互能方程

利用麦克斯韦方程组及洛伦兹互易定理推出了电磁系统的互能守恒方程,将所得公式用于具体问题时与有关文献结论一致。     

基于概念向量空间的文档语义分类模型研究

针对传统文档自动分类方法和目前语义分类方法中存在的问题,提出一种新的基于概念向量空间的文档语义分类模型,该模型通过字符匹配算法将原文档高维词向量空间中相互独立的词项匹配到描述本体概念的属性集合,进而映射成属性集合对应的本体概念,形成低维的、语义丰富的文档概念向量空间。采用目前非常流行的数据集“20Newsgroups”作为实验数据集,对基于概念向量空间的文档语义分类模型进行实验验证。实验结果表明：提出的文档语义分类方法与传统基于词向量空间的文档分类方法相比,能够极大地降低向量空间维度,提高文档分类的性能。      

矢量数性积在解题中的应用探讨

矢量数性积是矢量代数中的一种运算 ,它沟通了矢量与代数间的转换关系 ,同时它也有效地解决了几何度量和角度问题。通过实例的分析和求解 ,阐述了矢量数性积在解题中具有非常广泛的应用。     

知识空间:知识组织的概念基础

文章从情报组织和知识组织的具体化出发 ,提出了“知识空间”这样一个知识组织的新的概念基础。探讨了可在多维空间中表示的知识领域的“概念向量”、基于对这些概念理解的个人“状态向量”、包括知识子空间的检索系统中可能存在情报项的“表示向量”、用户扩检或缩检子空间的“检索体积”,以及这一新概念意义。参考文献 1 1     

基于改进KNN的文本分类方法

本文针对VSM (向量空间模型)中KNN (K最近邻算法)在文本处理环境下的不足,根据SOM (自组织映射神经网络)理论、特征选取和模式聚合理论,提出了一种改进的KNN文本分类方法。应用特征选取和模式聚合理论以降低特征空间维数。传统的VSM模型各维相同的权重并不适应于文本处理的环境,本文提出应用SOM神经网络进行VSM模型各维权重的计算。结合两种改进,有效地降低了向量空间的维数,提高了文本分类的精度和速度。     

水利水电工程施工地质中编录测绘成图方法综述

地质编录与测绘是重要水利水电工程施工地质工作的一项主要内容,一般地质编录测绘需要完成工程地质图图幅.文中以岩质水平建基面为例,介绍了工程地质平面图图幅的编录测绘成图方法和利用不同方法测绘的各类初始数据进行矢量化计算机成图的方法.     

基于LSSVM-CA模型的复杂土地利用变化模拟——以鄂州市为例

本文探索了最小二乘支持向量机（Least Squares Support Vector Machine ,LSSVM）获取元胞转换规则的可行性,并应用于复杂土地利用变化模拟预测。以湖北省鄂州市为研究区,以1991-2004年土地利用变化数据作为模型训练数据,运用改进的ROC分析方法对比分析了LSSVM和逻辑回归方法获取的元胞转换规则,在此基础上运用LSSVM-CA模型模拟了研究区2013年的土地利用情景,并对2020年和2030年土地利用情景进行预测。研究结果表明：①LSSVM对数量较大、变化过程较复杂土地利用类型的空间分布模拟效果更好,如耕地、建设用地、养殖水体和其他用地;②与2013年实际土地利用情景相比,LSSVM-CA模拟结果总体精度为0.80,Kappa系数为0.73,处于较高一致性水平,优于逻辑回归-CA模型结果;③未来,鄂州市主城区、城西新区、“葛华新城”、“红莲湖新城”以及南部的花湖开发区、沼山镇、太和镇建设用地需求较大,将占用大量耕地,东部和南部低丘岗地区的耕地将大量转变为林地。研究结论为LSSVM方法可用于获取元胞转换规则进行复杂土地利用变化模拟,并能取得较好的效果,模拟结果可为研究区土地规划、耕地和生态环境保护等提供决策参考。     

基于词向量相似度的食品安全问答系统设计与实现

针对目前食品安全问答系统准确率不高且无法满足智能化问答要求等问题,基于词向量相似度设计食品安全问答系统。采用深度学习方法构建食品安全领域知识库及词向量模型,结合近义词库提出问句相似度计算方法,将问句与知识库内所有问句进行匹配,返回相似度最高问句对应的答案。实验结果表明,该系统问答准确率达到80%,能满足食品行业用户的日常问答需求。     

圆电流近轴矢势两个近似式的比较

对圆电流圈轴线附近点的矢势的两个近似式作了比较与分析,认为它们在精度上有差异．