关键词： 核方法   支持向量机   机器学习   再生核希尔伯特空间   多用户检测  

摘要： 阐述了核方法的基本原理与研究动机,分析了特征空间的性质,介绍了常见的核方法,给出了构建新核方法的步骤及需要注意的问题,指出了核方法值得关注的研究方向,展示了其在多用户检测中的应用情况,以其对核方法研究领域有较全面的把握。

关键词： breast cancer   magnetic resonance imaging   clinical screening   computer aided diagnosis   machine learning   artificial neural networks   support vector machine (SVM)   decision trees  

摘要： Objective: In this work, methods utilizing supervised and unsupervised machine learning are applied to analyze radiologically derived morphological and calculated kinetic tumour features. The features are extracted from dynamic contrast enhanced magnetic resonance imaging (DCE-MRI) time-course data. Material: The DCE-MRI data of the female breast are obtained within the UK Multicenter Breast Screening Study. The group of patients imaged in this study is selected on the basis of an increased genetic risk for developing breast cancer. Methods: The k-means clustering and self-organizing maps (SOM) are applied to analyze the signal structure in terms of visualization. We employ k-nearest neighbor classifiers (k-nn), support vector machines (SVM) and decision trees (DT) to classify features using a computer aided diagnosis (CAD) approach. Results: Regarding the unsupervised techniques, clustering according to features indicating benign and malignant characteristics is observed to a limited extend. The supervised approaches classified the data with 74% accuracy (DT) and providing an area under the receiver-operator-characteristics (ROC) curve (AUC) of 0.88 (SVM). Conclusion: It was found that contour and wash-out type (WOT) features determined by the radiologists lead to the best SVM classification results. Although a fast signal uptake in early time-point measurements is an important feature for malignant/benign classification of tumours, our results indicate that the wash-out characteristics might be considered as important. (c) 2004 Elsevier B.V. All rights reserved.

关键词： 词义消歧   最大熵原理   汉语   自然语言处理   机器学习方法   最大熵模型   关键问题   知识表示   特征   上下文   规范化   多义词   正确率  

摘要： 词义消歧是自然语言处理中亟待解决的一个关键问题,本文提出一种基于最大熵模型的有监督的机器学习方法,用于汉语词义消歧。该方法综合了词标记、词性、主题等上下文特征,并用一种统一的表示方法规范化特征形式,解决了多种不同特征之间的融合和特征的知识表示。实验对20个汉语高频多义词进行了测试,平均正确率为87％,验证了该方法的有效性。

关键词： 语音合成   文语转换   韵律短语预测   统计模型   机器学习   最大熵模型  

摘要： 语音合成是从文本生成语音的技术。为了生成高自然度的语音，一方面要从文本信息预测出准确翔实的韵律信息，包括韵律层次、重音分布、基频曲线、时长、停延、能量等。一方面是制作大规模合成语音库中，收录丰富的、足具表现力的语音基元。韵律层次的预测是生成基频、时长等其他韵律参数的前提条件，是影响合成语音自然度的重要因素。\n 本文首先对韵律层次预测的研究历史和现状做了较为完整的调研。通过对前人工作进行深入了解，作者认为基于机器学习的方法在目前条件下，优于人工总结规则的方法，今后几年应继续在该方向开展更多的研究工作，并且应着力解决好属性信息选择和统计模型选择这两个问题，一方面努力利用好更多有利于韵律预测的语法、语音、统计信息，一方面寻找更适合该任务的统计模型和算法。\n 围绕这两个方面，本论文阐述了作者在语调短语预测方面的研究，主要工作包括：\n 第3章提出了基于相似句的韵律短语边界预测方法。对于任意一个输入的句子，该模型都从一个带有韵律短语标注的句子库中寻找其相似句，然后根据找到的一个或者多个相似句的韵律短语边界位置，决定输入句的韵律短语边界位置。在寻找相似句中，提出了相似距离的度量方法——合成的编辑距离，同时考虑了词性、词义、音节数目对韵律短语边界位置的影响。在1000句测试集上的实验结果表明该方法能够达到我们预期的效果，即在能够接受的手工标注工作量下，超过现有决策树的效果。\n 第4章提出了基于最大熵模型的语调短语边界预测方法。在已有的特征CCFS(CountCutoffFeatureSelection)方法的基础上，本文提出了特征上下文CCFS方法和基于似然比的特征选择方法。实验证实，特征上下文CCFS方法的效果最好。同时比较了传统的基于决策树的方法和基于最大熵模型的方法的效果，指出在使用相同属性的条件下，最大熵模型更适合于语调短语边界的预测。\n 第5章针对目前多数方法只利用局部上下文信息的局限，提出了三种平滑模型，把语调短语的长度分布信息有效地跟局部上下文信息相融合，显著地提高了整个系统的预测效果。这三种平滑模型分别是增扩特征集模型、切分平滑模型和滑动窗口模型。其中滑动窗口平滑模型的贡献最为显著。\n 第6章为减少制作标注库时的手工工作量，基于主动学习的基本原理，设计了一个有序标注语料库的方法，同以前随机标注方法相比，节约了约一半的手工工作量。

关键词： 数据挖掘技术   数据分析   See5/C5工具软件   判定树   规则集   分类方法   预测方法   数据库  

摘要： 如何在大量的数据中获取有用信息,并且通过对数据进行有效的分析来进一步实现对未来情况的预测,是当今许多领域迫切需要的技术。本文通过对数据挖掘领域中经典的分类及预测软件See5/C5的解析,介绍了它的核心算法、实现机制以及应用特点。通过简单的应用例子展示出了分类及预测的实现过程,在信息处理的具体应用中可以结合应用的规模和特点选择相应的判定树处理功能,以求获得最佳的预测效果。

关键词： 计算机应用   中文信息处理   co-training算法   中文组块   分类器  

摘要： 采用半指导机器学习方法co training实现中文组块识别。首先明确了中文组块的定义,co training算法的形式化定义。文中提出了基于一致性的co training选取方法将增益的隐马尔可夫模型(TransductiveHMM)和基于转换规则的分类器(fnTBL)组合成一个分类体系,并与自我训练方法进行了比较,在小规模汉语树库语料和大规模未带标汉语语料上进行中文组块识别,实验结果要比单纯使用小规模的树库语料有所提高,F值分别达到了85 34%和83 4 1% ,分别提高了2 13%和7 2 1%。

关键词： 自然语言   信息抽取   机器学习方法   统计学习   命名实体  

摘要： 信息抽取是一种用于处理各种类型文本文档的非常有效的方法,然而建立一个文本信息抽取系统却是非常困难和耗费时间的。近年来,基于统计的机器学习方法在信息抽取领域的研究受到了广泛关注。本文深入探讨了当前自然语言信息抽取领域广泛采用的几种非常有效的统计学习方法,比较分析了各种方法的统计推断过程和学习算法及其优缺点,讨论了各种统计学习方法所面临的训练语料匮乏问题的主要解决方法,并指出了今后进一步研究的方向。

关键词： SVM模型   泛化性能   结构风险最小化   机器学习方法   支持向量机   学习机   显示   汽轮发电机组   故障诊断   GA  

摘要： 基于结构风险最小化 [1]的支持向量机是一种新的机器学习方法,具有适应小样本学习和提高学习机泛化性能的优点,详细介绍了将其应用于汽轮发电机组的故障诊断的研究结果,包括结合遗传算法进行模型参数的优化选择,建立联合模型,通过对现场采集的故障样本进行的分类试验,并同BP神经网络方法进行了比较,结果显示本文所述方法具有较高的诊断准确率。

关键词： 机器学习方法   支持向量机   SVM   KNN   核函数   特征空间   统计学习理论   模式识别   近邻法  

摘要： 支持向量机(SVM)是20纪90年代初由Vapnik等人提出的一类新型机器学习方法,此方法能够在训练样本很少的情况下达到很好的分类推广能力。能够较好地解决小样本、非线性及高维数等模式识别问题。近年来SVM已在人脸识别、函数逼近以及概率密度估计等众多领域得到了广泛的应用。近邻法(简称KNN)是模式识别非参数法中另外的一种重要的方法,本文阐述了它们之间的一个重要联系。

关键词： 支持向量机   统计学习理论   小波变换   故障诊断   主成分分析  

摘要： 针对经典SVM对于样本噪声敏感的局限性问题,在经典SVM基础上,引入主成分分析(PCA)方法,提出一种改进SVM新方法-PSVM。这种新的机器学习方法,既利用了PCA降噪的特性,又具有经典SVM泛化能力强、分类快的特性。改善了经典SVM的鲁棒性。应用小波包分析对信号进行预处理,直接得到特征矢量,并作为PSVM的输入,提出满足实时性要求的分类模型WPSVM。通过实例分析,证明这种方法在分类正确率、分类速度以及适用的样本规模等方面都表现出了一定的优越性。