本文提出了有监督的关键词抽取算法——KEING(Keyphrase Extraction using sequentIal patterns with oNe-off and General gaps condition)算法.首先,将每篇文档作为一个序列库,利用SPING(Sequential Patterns mIning with oNe-off and...
详细信息
本文提出了有监督的关键词抽取算法——KEING(Keyphrase Extraction using sequentIal patterns with oNe-off and General gaps condition)算法.首先,将每篇文档作为一个序列库,利用SPING(Sequential Patterns mIning with oNe-off and General gaps condition)算法获取词语之间的关系及其多种变化形式,并利用统计模式特征的方式描述候选关键词;然后,通过朴素贝叶斯分类算法对大量带标记的训练数据进行训练,构造分类器;最后利用分类器从测试文档中识别出关键词.通过实验验证了SPING算法的完备性以及KEING算法的有效性.
在水声被动定位领域,用于定位的脉冲信号参数估计误差较大,会使得系统的定位性能下降。文章针对这一问题提出了一种基于到达角度(Direction Of Arrival,DOA)与相邻脉冲到达时间差(Time Of Arrival,TOA)的改进无迹卡尔曼滤波(Unscented K...
详细信息
在水声被动定位领域,用于定位的脉冲信号参数估计误差较大,会使得系统的定位性能下降。文章针对这一问题提出了一种基于到达角度(Direction Of Arrival,DOA)与相邻脉冲到达时间差(Time Of Arrival,TOA)的改进无迹卡尔曼滤波(Unscented Kalman Filter,UKF)被动定位方法。该方法选取DOA与TOA作为观测量并建立定位模型,首先使用滑动平均滤波(Moving Average Filtering,MAF)方法对用于初值估计的观测数据进行平滑预处理,之后使用伪线性估计方法(Pseudo-Linear Estimation,PLE)求解目标状态初值,并使用UKF方法对目标运动轨迹进行跟踪。仿真结果表明,相比于传统的扩展卡尔曼滤波(Extended Kalman Filter,EKF)和UKF定位方法,文章方法能够有效地提升收敛速度与收敛率,改善系统的定位性能。
基于成对约束的聚类分析是半监督学习的一个重要研究方向。成对约束的数量已成为影响该类算法有效性的重要因素。然而,在现实应用中,成对约束的获取需要耗费大量的成本。因此,文中提出了一种基于安全性的成对约束扩充方法(Extended Algorithm of Pairwise Constraints Based on Security,PCES)。该算法将传递闭包中最大局部连通距离作为安全值,并根据安全值来修改传递闭包之间的相似性,减少合并传递闭包带来的风险,最后利用图聚类方法合并相似的传递闭包达到扩充成对约束的目的。该算法不仅可以安全有效地扩充成对约束,同时可以将扩充后的成对约束应用到不同半监督聚类算法中。文中在8个基准数据集上进行了成对约束扩充算法的比较。实验结果表明,该算法可以安全有效地扩充成对约束。
暂无评论