关于人机若干问题的思考

本文通过对人机发展历程及人机心理与认知学科研究状况的回顾,指出了人机科学技术未来的研究领域。对人机中的自发秩序及自动控制机制的研究、当前人机领域中的语言与信息处理研究、人机交互的发展前景进行了分析。     

学术文本词汇功能识别——在关键词自动抽取中的应用

传统的关键词自动抽取常以候选词的出现频次、位置等非语义信息构建特征,并未考虑关键词在学术文献中承担的特定语义角色,即词汇功能。通过对现有数据统计,本文发现作者标注关键词中约有67.99%是研究问题或研究方法词。因此,本文将关键词的词汇功能分为三类:"研究问题""研究方法"和"其他",在传统的词频特征以及位置特征基础上,融合词汇功能特征,使用计算机领域的学术文献基于分类和排序两种思想进行关键词抽取实验。实验结果表明,融合词汇功能后,关键词抽取效果得到明显提升。相较于基准实验,二分类模型的准确率Acc和F值分别相对提升24.63%和25.19%,达到了0.840和0.666;排序模型的MAP、NDCG@5和P@5分别相对提升168.32%、189.50%和148.30%,提升至0.813、0.828和0.447,证明了学术文献词汇功能特征在关键词自动抽取中具有重要作用。     

基于主成分分析和支持向量回归机组合模型的电子商务信用风险度预测研究

随着电子商务的快速膨胀,信用风险对电子商务发展的影响越来越突出.信用风险已成为电子商务企业所面临的最主要风险之一.文章结合企业的财会指标和电子商务运营能力构建企业电子商务信用风险度预测指标,并利用主成分分析对指标进行筛选,在此基础上通过支持向量回归机对电子商务信用风险度进行预测,并进行实证检验,实证结果表明,此方法与标准支持向量回归机和神经网络相比具有更高的分类精度,证实了该方法的可行性和优越性,为电子商务建立可靠的信用风险度预测系统提供依据.     

协作学习活动设计的困境与出路

协作学习活动设计包含表层的信息空间设计和深层的知识空间设计两个层次.忽视协作学习的知识空间设计,只设计协作学习的信息空间,难以将协作学习动态限制在预期的范围之内.FC知识图表征的是问题解决的知识推理路径,可用来还原协作学习的知识空间变化.基于此,文章在协作学习概念模型的基础上,构建了以FC知识图为核心的协作学习活动设计技术.该技术通过目标分析、知识建模、知识组块划分、任务设计和一致性检查等各操作之间的强数据依赖关系来确保"目标—手段"的一致性,通过FC知识图及学习支架等设计来引导协作过程的交互动态,促使"手段—结果"一致.为清楚呈现协作学习的哪些设计要素得到了落实或多余,有理有据地优化协作学习活动,可借助协作学习过程机制图从知识点范围的一致性、解决路径的一致性、任务序列的一致性、突发情况及其对策的一致性和持续时间的一致性五方面研究协作学习行动与协作学习方案的一致性.基于FC知识图设计协作学习活动和基于协作学习过程机制图研究协作学习行动与协作学习方案的一致性能确保"目标—手段—结果"一致,有望解决协作活动并不总能预期转成特定协作学习行为的困境,是协作学习设计的新出路.     

超超临界机组机炉协调系统的min-max模糊模型预测跟踪控制

为了提高非线性超超临界火电机组的控制性能,提出了一种改进的min-max模糊模型预测跟踪控制.首先,建立了 T-S模糊模型来近似非线性机炉协调系统的动态特性.然后,基于包含状态变量和输出变量的扩展模糊模型,在保证闭环系统稳定性和输入在给定约束的同时,推导了 min-max模糊模型预测跟踪控制用于输出调节.为了获得更大的...     

基于改进支持向量机的行为分类研究

针对智能监控中行人行为难于识别的问题,提出了一种基于改进支持向量机的行人行为分类的解决方法.针对背景建模和前景提取精确度的难题,把视频中有活动的部分表示成一组时空兴趣点;针对行动方式具有无固定方式和模糊特点的问题,先采用模糊聚类求每类行为样本聚类中心,再加入决策树思想,构建一种支持向量机决策树多值分离器进行行为分类.在国际上通用行为KTH数据库进行了实验,获得较高的识别率.     

基于PSO-SVM的上市公司财务危机预警

为实现上市公司的财务危机预警,根据我国的实际情况,将因财务状况异常而被特别处理(ST)作为沪深证券交易所上市公司陷入财务危机的标志,建立财务危机预警模型。该模型采用粒子群优化算法对支持向量机参数进行优选。仿真结果表明,该模型能有效地避免过拟合和欠拟合现象,与神经网络模型相比泛化能力强,预测精确度高。     

基于改进SVM的新疆北部地区积雪面积反演研究——以天山山区中段为例

积雪面积是融雪径流模型中变量数据输入之一,准确的获取雪盖范围是进行流域尺度融雪水文过程研究的关键,在水资源管理及洪水预报中具有重要意义.本文以天山山区中段为例,利用MODIS数据,提出了结合混合光谱分解的积雪分量及灰度共生矩阵提取的纹理特征的SVM分类方法,对研究区积雪面积信息提取进行了研究.结果表明:通过利用混合光谱分解的积雪分量作为SVM的特征输入,总体分类精度比传统SVM分类结果有了一些提高.同时考虑结合基于灰度共生矩阵提取的纹理特征用于分类中,总体精度比传统SVM方法提高了1.081％,制图精度达到了99.01％.本文提出的分类方法能够适应特征组合之间的非线性关系,从而能提供更多的区域地物空间分布信息,能够调整无样本地表类型地区的积雪面积反演,对今后的融雪水文过程研究有重要意义.