摘要：将0-1规划算法应用于软硬件协同划分过程中,一种节点的映射方式对应单位立方体上的一个顶点。利用单位立方体几何性质求出无约束的目标最优解;由此解出发,利用折半查找和一定的编码策略向外搜索,直到满足系统约束为止;利用仿真数据对该算法进行了有效性验证。仿真结果表明,0-1算法的收敛速度与遗传算法相当;精度与整线性规划相当。

摘要：针对单一的不平衡数据分类算法合成样本质量不佳、未考虑类内样本分布等局限性,提出一种不平衡数据中基于权重的边界混合采样(boundary mixed sampling based on weight selection in imbalanced data,BWBMS)。剔除噪声样本并引入边界因子概念,把原样本空间分成边界集和非边界集;考虑类内样本分布,对于边界集中每个少数类样本赋予支持度权重和密度权重并增加采样比重将其划分为两类,对两类样本子集采用不同的过采样算法和过采样倍率;考虑不同区域样本重要性的不同,根据多数类样本距离其最近的k个异类近邻的平均距离来删减部分非边界集多数类样本点。实验结果表明,结合SVM分类器的BWBMS算法在不同数据集上的性能指标得到了提升,验证了其有效性。

摘要：介绍一个个性化搜索助理的设计与实现.基于Google,Baidu,Bing等大型通用搜索引擎实现个性化搜索的二次开发,其关键技术是把通用搜索引擎返回的结果与用户描述文件进行比较.用户通过接口编辑用户描述,对收集的页面计算加权频次并排序,通过页面分析从排名靠前的页面提取有用信息,实验表明搜索助理行之有效.

摘要：针对文本分类任务中关键特征分布不均匀和双向长短期记忆网络(BiLSTM)局部特征信息提取不足的问题,提出了一种基于自注意力机制(Self_Attention)和归一化的多通道MAC_BiLSTM文本分类模型。在双向长短期记忆网络层之后加入自注意力机制并进行层归一化,同时将BiLSTM通道的信息与最初的词向量信息融合,输入卷积通道,再分别采用自注意力赋予词卷积方式重新计算后信息的词权重,并进行批归一化,重复两次之后再进行池化,最终将CNN通道池化后的特征信息与BiLSTM通道信息进行特征融合,并通过Softmax分类器得出分类结论。在模型的设计环境中,模型使用了更加平滑的Mish激活函数代替Relu,通过和其他深度学习模型在多个数据集上的比较,结果表明,所提出的模型与其他模型相比具有更好的分类效果。