刘宏岚
- 作品数：25 被引量：45H指数：4
- 供职机构：北京科技大学更多>>
- 发文基金：国家自然科学基金国家高技术研究发展计划国家重点基础研究发展计划更多>>
- 相关领域：自动化与计算机技术理学经济管理文化科学更多>>
- 基于运行时间权矩阵的网格服务匹配问题的优化解
- 2007年
- 为解决在网格环境下满足用户作业对完成时间需求的服务资源调度问题,建立了包括独立匹配器在内的服务网格三元模型,给出了该模型基于图论的形式化描述,证明了用户作业和服务资源之间完备匹配的充分必要条件.同时构造了基于传感器反馈的网格服务匹配系统,给出了基于运行时间权矩阵的优化问题描述,并给出了基于离散事件动态系统理论的最优化解算法.仿真研究表明,该算法比其他算法更能改善网格服务匹配系统的性能指标,在满足服务资源负载均衡的同时提供了用户作业完成时间的服务质量保证.
- 郝卫东杨扬刘宏岚梁泉
- 关键词：服务网格匹配器权矩阵离散事件动态系统
- 一种政务领域知识自动发现方法及系统
- 本发明公开了一种政务领域知识自动发现方法及系统，涉及人工智能技术领域。包括：通过领域语料获取模块获取领域语料，并对领域语料进行预处理；将预处理后的领域语料输入到开放信息抽取模块，得到语料中的事实三元组；将事实三元组输入到...
- 阿孜古丽·吾拉木高宏奎谢永红刘宏岚
- 一种中医文献的实体间关系抽取方法及装置
- 本发明提供一种中医文献的实体间关系抽取方法及装置，能够提高实体间关系类型抽取的准确率。所述方法包括：针对待处理的中医文献，获取对其部分内容已标注的实体类型和实体间关系类型；根据已标注的实体类型训练命名实体识别模型；利用训...
- 张德政付雅慧谢永红阿孜古丽刘宏岚栗辉田款阳
- 文献传递
- 概率命题逻辑中命题相等关系的两个层面与命题演算被引量：5
- 2009年
- 刘宏岚高庆狮杨炳儒
- 关键词：概率逻辑命题演算命题逻辑逻辑系统逻辑体系逻辑运算
- 一种基于深度卷积神经网络的传输机胶带跑偏检测方法
- 本发明提供一种基于深度卷积神经网络的传输机胶带跑偏检测方法，能够准确地对矿山传输机胶带图像的跑偏情况进行检测。所述方法包括：将传输机胶带图像输入到训练好的深度卷积神经网络中，得到所述传输机胶带图像对应的位置特征和多个幅度...
- 彭一峰刘宏岚
- 文献传递
- 一种中医文献的实体间关系抽取方法及装置
- 本发明提供一种中医文献的实体间关系抽取方法及装置，能够提高实体间关系类型抽取的准确率。所述方法包括：针对待处理的中医文献，获取对其部分内容已标注的实体类型和实体间关系类型；根据已标注的实体类型训练命名实体识别模型；利用训...
- 张德政付雅慧谢永红阿孜古丽刘宏岚栗辉田款阳
- 文献传递
- 命题逻辑基础的代数方法研究
- 各种近似推理和Fuzzy推理理论的逻辑基础就是各种概率逻辑和模糊逻辑系统，而逻辑系统的核心是联结词的定义。各种概率逻辑、模糊逻辑系统对于逻辑联结词定义了大量的算子，尤其是多种蕴涵联结词(蕴涵算子)是各种近似推理的依据。但...
- 刘宏岚
- 关键词：概率逻辑命题公式真值函数模糊逻辑
- 一种中医症状结构化方法
- 本发明提供一种中医症状结构化方法，能够降低人工的工作量及工作时间。所述方法包括：构建修饰词表、停用词表、舌诊和脉诊的症状要素表、人体部位表、标准症状词表及标准症状词的同义词表；若获取的中医症状数据为舌诊和脉诊的症状数据，...
- 谢永红徐洋张德政刘宏岚罗熊栗辉石川曹天伟万义飞孙冰
- 文献传递
- 一种优化BITONIC算法:“并行-优化-串行”合并和分类向量算法被引量：1
- 2002年
- 串行算法并行化是发挥各种巨型机的效率的关键技术之一 .“并行 -优化 -串行”归并向量算法 ( POSVM) ,是一种串行算法并行化的优化方法 .它用 O( N / p )时间把总长为 N的两个有序序列归并或把总长为 N的一个Bitonic序列排序 .“并行 -优化 -串行”排序向量算法 ( POSVS)用 O( ( N log N) / p)时间在实际 SIMD机上把 N个数排序 .这些是第 1个满足以下两个条件的向量 Optimal算法 (加速比 =O( p ) ) .1它能在实际 SIMD计算机上实现 .处理机的台数 p的范围很宽 1≤ p≤ N 1-ε,这里 ,ε是任意的小的正数 .2它统一了 3种不同类的合并算法 :Batcher的 Bitonic算法 (最快但效率随参数变大而趋向于 0 )、优化 ( Optimal)算法 (效率为常数的算法 )和最佳的串行算法 .而且也综合了 3个算法的优点 .“并行 -优化 -串行”( POS)方法是一个通用方法 。
- 胡玥高庆狮刘宏岚
- 采用改进粒子群优化的SVM方法实现中文文本情感分类被引量：19
- 2020年
- 近年来,随着网络用户量的不断增加,用户评论数量也呈爆炸式增长,伴随而来的是大量可用于参考和深度挖掘的信息,文本情感分类应运而生。分类模型的预测精度和执行速度是衡量模型优劣的关键。使用传统的SVM进行文本情感分类,算法简单,易于实现,但其模型参数决定了分类准确率。针对这种情况,文中将改进粒子群优化算法与SVM分类方法相结合,采用了改进粒子群算法优化的SVM方法对影视剧评论的情感进行了研究分析。首先,通过网络爬虫获取豆瓣电影评论数据,将数据预处理后利用加权word2vec向量化文本信息,将其作为支持向量机可识别的输入;然后,使用自适应惯性递减策略并引入交叉算子来改进粒子群算法,并对SVM模型的损失函数、惩罚参数及核函数的参数进行优化;最后,实现文本的情感分类。在同一数据集上的实验结果表明,所提方法有效规避了传统的情感词典方法受词语顺序和不同语境影响的缺陷及使用卷积出现梯度消失或弥散的问题,同时也克服了粒子群算法易陷入局部最优的不足。相较于其他方法,所提分类模型的执行速度更快,有效地提高了分类准确率。
- 王立志慕晓冬刘宏岚
- 关键词：网络爬虫SVM分类粒子群优化
