我要投稿 查看投稿进度
学术期刊
在线客服
客服电话：400-188-5008
客服邮箱：service@ccnpub.com
投诉举报：feedback@ccnpub.com
人工客服

工作时间（9：00-18：00）
官方公众号

科技成果·全球共享

请选择 目标期刊

基于层次模型和注意力机制的文本分类算法 下载：72 浏览：339

武高博1 王黎明1 柴玉梅1 刘箴2 《中文研究》 2020年6期

摘要:
文本分类一直是自然语言处理任务的研究重点与热点，且被广泛应用到诸多实践领域。首先，该文针对文本分类过程中缺乏层次结构特征的问题，对NMF-SVM分类方法进行优化，利用优化后的分类标签构建树形层次模型，从特征树中提取层次特征；其次，针对关键词与非关键词对分类结果影响程度不同的问题，提出SEAN注意力机制，通过对时间、地点、人物和事件四要素的提取，得到不同词之间的注意力；最后，针对句子间亲和度不同的问题，考虑不同句子的四要素词和语义层面的影响提出句间亲和度计算模型。该文算法适用于四要素突出的数据集，如新闻、小说、阅读理解、微博，在新闻类数据集上与同类别的深度学习文本分类模型以及包含注意力机制的混合模型进行了对比，实验结果表明，该算法在分类效果上具有一定优势。

基于类属特征和实例相关性的多标签分类算法 下载：47 浏览：387

张永 刘浩科 张洁 《人工智能研究》 2020年9期

摘要:
学习类属特征方法为每个标签选择特有特征并考虑成对标签的相关性以降低维度,可有效解决多标签分类遇到的维度过大问题,但缺乏对实例相关性的考虑.针对此问题,文中提出基于类属特征和实例相关性的多标签分类算法,不仅考虑标签相关性还考虑实例特征的相关性.通过构建相似性图,学习实例特征空间的相似性.在8个数据集上的实验表明,文中算法可有效提取类属特征,具有较好的分类性能.

高度不平衡数据的代价敏感随机森林分类算法 下载：57 浏览：357

平瑞 周水生 李冬 ​ 《人工智能研究》 2020年6期

摘要:
在处理高度不平衡数据时,代价敏感随机森林算法存在自助法采样导致小类样本学习不充分、大类样本占比较大、容易削弱代价敏感机制等问题.文中通过对大类样本聚类后,多次采用弱平衡准则对每个集群进行降采样,使选择的大类样本与原训练集的小类样本融合生成多个新的不平衡数据集,用于代价敏感决策树的训练.由此提出基于聚类的弱平衡代价敏感随机森林算法,不仅使小类样本得到充分学习,同时通过降低大类样本数量,保证代价敏感机制受其影响较小.实验表明,文中算法在处理高度不平衡数据集时性能较优.

基于双通道卷积神经网络的文本情感分类算法 下载：87 浏览：507

申昌 冀俊忠 ​ 《人工智能研究》 2018年3期

摘要:
针对现有深度学习方法在文本情感分类任务中特征提取能力方面的不足,提出基于扩展特征和动态池化的双通道卷积神经网络的文本情感分类算法.首先,结合情感词、词性、程度副词、否定词和标点符号等多种影响文本情感倾向的词语特征,形成一个扩展文本特征.然后,把词向量特征与扩展文本特征分别作为卷积神经网络的两个输入通道,采用动态k-max池化策略,提升模型提取特征的能力.在多个标准英文数据集上的文本情感分类实验表明,文中算法的分类性能不仅高于单通道卷积神经网络算法,而且相比一些代表性算法也具有一定的优势.

基于分布式聚类模型的电力负荷特性分析 下载：88 浏览：501

曾楠1 许元斌2 罗义旺2 刘青2 刘燕秋2 张欢2 《电力研究》 2018年1期

摘要:
电力系统的负荷模型是决定电力系统可靠性的关键要素,传统的负荷特性数据聚类算法计算复杂、运行时间长。将K-means和Canopy聚类算法有机地结合,建立一种分布式聚类模型。在此基础上,对用户整点负荷数据进行归一化处理,利用负荷规范化区间值与24个整点时间的参数关系,得到聚类中心分布。以福建省历史日负荷数据为例,验证分布式聚类模型运行的快速性。结果表明:距离阈值T2与算法运行时间成反比;簇个数越多,运行时间越长;大工业行业聚类中心分布稳定,显著性不明显,农业生产行业聚类中心分布显著性明显,为预测用户负荷特征及用电特性提供思路借鉴。

遥感图像特征提取与分类算法在自然灾害监测中的应用 下载：165 浏览：2843

吴阳 《光电子进展》 2024年4期

摘要:
本研究聚焦于遥感图像特征提取与分类算法在自然灾害监测中的应用，旨在探讨如何有效地利用遥感技术来提高自然灾害的监测和应对能力。遥感图像作为一种强大的数据源，具有广泛的应用潜力，可以为自然灾害的实时监测和预测提供宝贵信息。本研究将重点关注特征提取和分类算法的创新应用，以提高自然灾害监测的准确性和效率。本研究的主要目标是探索遥感图像特征提取与分类算法在自然灾害监测中的应用潜力。我们将介绍先进的特征提取技术，如卷积神经网络（CNN）和主成分分析（PCA），以及分类算法，如支持向量机（SVM）和深度学习模型，它们在自然灾害分类和定位中的作用。

细粒度图像识别与分类算法研究 下载：63 浏览：833

宁枢麟 刘洋 梁顺利 《信号处理与图像分析》 2024年2期

摘要:
针对深度学习常用人脸识别方法训练不易收敛、图像分辨率低影响大等问题，提出了一种基于通道注意力模块的多尺度特征融合残差神经网络(channel attetion multi-scale fusion)CAMF-ResNet。该方法基于残差块和softmax损失的人脸识别方法，改进了残差网络，利用特征金字塔提取不同层次的特征进行信息融合，并融合了不同尺度的特征，它可以获得更多的描述性信息，提高图像表示的性能。在端到端网络特征提取中，利用注意机制提取相应的高阶特征表示，得到描述能力强的图像表示。实验结果表明，该方法能有效解决深层网络退化和参数过多的缺陷，提高对细粒度图像判别性区域的精细化能力进而提高模型分类精度以获得更高描述性信息特征表示。
[1/1]
|<
<
1
>
>|
在线客服：：点击联系客服
联系电话：：400-188-5008
客服邮箱：：service@ccnpub.com
投诉举报：：feedback@ccnpub.com
人工客服

工作时间（9：00-18：00）
官方公众号

科技成果·全球共享