摘要：常规的测绘遥感图像信息自动分类方法主要使用随机森林-支持向量机(RF-SVM)融合模型提取图像信息特征,易受预期任务动态改变影响,导致分类评估指标不佳,因此,提出了一种基于C5.0决策树算法的测绘遥感图像信息自动分类方法。降维提取测绘遥感图像信息特征,利用决策树算法进行图像信息自动分类属性度量,实现测绘遥感图像信息的自动分类。结果表明,该设计方法的Producer's Accuracy、User's Accuracy、Overall Accuracy、Kappa均较高,分类效果较好,具有一定的应用价值。

摘要：综合分析了语音和音乐的区别性特征 ,包括音调、亮度、谐度等感觉特征与 MFCC(Mel- Frequency CepstralCoefficients)系数等 ,提出一种 left- right DHMM(Discrete Hidden Markov Model)的分类器 ,以极大似然作为判别规则 ,用于语音、音乐以及它们的混合声音的分类 ,并且考察了上述特征集合在该分类器中的分类性能 .实验结果表明 ,文中提出的音频特征有效、合理 。

摘要：海量天体光谱数据的自动分类是大型观测计划项目中急需解决的重要问题之一.本文设计一种基于覆盖算法的天体光谱自动分类方法.首先对训练样本进行训练,得到各类样本的支撑点(代表点),然后在分类时只需计算待分类样本到各类支撑点的距离,并将与之最近的支撑点所在的类别作为待分类样本的类别.通过对正常星系、正常恒星、星暴星系和活动星系核的模拟和实测光谱进行分类实验,并与 SVM 分类方法进行比较,结果表明本文方法具有训练速度快、分类准确率高等特点.因此,本文的自动分类算法对大型观测计划所获得的海量天体光谱数据处理有着重要的意义.

摘要：本文提出一种基于预定义类别与文本特征之间相关性的自动分类算法，并在文中详细阐述了汉语文本自动分类模型的设计与实现过程。为测试分类模型实现性能，建立具有１２类别的分类体系，并构造包含近５００篇汉语新闻语料的测试集。实验结果表明，评价自动分类算法的两个重要指标：查全率和查准率，都比较令人满意。

摘要：本文提出一种监督FCM聚类算法,并设计了多层去模糊处理,用于对彩色中医舌图像进行自动分类。文中给出了算法的具体实现过程,比较了不同色度空间中的分类结果。实验表明,这种方法进行舌像自动分类与中医专家的分类是较为一致的。

摘要：土地覆盖变化是全球变化研究的核心,而精准分类是开展土地覆盖变化研究的基础。高分辨率遥感卫星技术的快速发展对地表分类的速度和精度提出了双重挑战,近年来人工智能等新技术的发展为图像自动分割提供了实现途径,而以卷积神经网络为代表的深度学习方法在遥感图像分类领域也具有独特的优势。为对比深度学习模型设计对高分辨率图像分类结果的影响,本文以郑州市2019年高分1号影像作为输入,对比研究了基于UNet模型改进的4种不同深度学习网络模型在高分辨率影像土地覆盖自动分类应用中的差异,探讨了残差网络、模型损失函数、跳层连接和注意力机制模块等编码和解码设定对于分类精度的影响机制。研究发现:同时加入多尺度损失函数、跳层连接和注意力机制模块的MS-EfficientUNet模型对郑州市土地覆盖分类结果最优,基于像元评价的整体分类精度可达0.7981。通过在解码器中引入多尺度损失函数可有效提高林地、水体和其他类别的分类精度;而对编码器进行改进,加入跳层连接和注意力机制可进一步提高草地、水体和其他类别地物的分类精度。研究结果表明,深度学习技术在高分辨率遥感影像自动分类中具有潜在应用价值,但分类结果精度的进一步提高和多级别大范围的精细分类方法仍是下一步研究的重点。

摘要：【目的】从实用角度出发,研制领域适用性广、人力投入少的分类标引方法,支撑海量信息资源分类管理与学科领域地图揭示。【方法】基于文献中代表主题概念的术语、概念等关键词和分类号的兼容关系,研究设计多因子加权分类算法,在此基础上提出全流程自动分类标引方案。【结果】以权威的多领域标注语料库和标准集为数据来源进行分类标引实验,单类号文献标引准确率84.1%,召回率79.8%,F值81.9%;双类号文献标引准确率83.4%,召回率78.8%,F值81.0%。【局限】学科分类标引的准确率及完整性依赖高质量标注语料库,且在多类号资源的标引上有待提升。【结论】本文提出的多因子算法自动分类标引具有较高的可操作性和实践应用价值。

摘要：随着Internet的发展,互联网上的学术文献数量呈指数增长,很难为科研工作者所利用,因此亟需一种方法对海量的网络学术文献进行自动的搜集、整理、分类。在前期充分的实验论证后,设计实现一个海量网络学术文献自动分类系统,该系统使用模块化设计,包括学术文献自动抓取模块、学术文献词-文档矩阵处理模块、本体集成模块以及基于语义驱动的分类模块。实验证明,该系统可以有效地完成海量学术文献的自动抓取、处理和分类工作。

摘要：[目的/意义]政策工具是政府为实现政策目标,将其行政理念转为切实行动的手段和方法,是政策分析的重要维度。鉴于当前政策工具分析仍停留在手工分类阶段,存在标准不统一、难以复现、规模小、成本高等一系列问题,提出构建政策工具自动分类模型。[研究设计/方法]系统梳理了现有的政策工具分类框架,在Rothwell和Zegveld政策工具分类体系基础上,提出基于WordBERT和BiLSTM构建政策工具自动分类模型,以数据治理和数字经济政策数据集为例,自主构建数据集,进行三组实验,验证模型优劣。[结论/发现]研究结果表明提出的政策工具自动分类模型效果最好,准确率达到73.91%,为繁琐的政策工具分类提供了一种相对高效的自动分类方法。[创新/价值]针对政策工具自动分类这一学科难题,提出利用无监督表示学习和有监督机器学习等算法,进行政策工具自动分类,以锻造政策工具自动量化分析新模块。

摘要：在许多大陆法系国家,不断产生的新型法律关系使得成文法无法及时制定和修改的缺陷逐渐显现。与此同时,世界各国纠纷诉讼的数目也在急剧增长,所以,很多国家面临如何在保证审判质量的前提下提高司法系统审判效率的问题。因此,在进行制度改革的同时,建立决策支持系统将会有效地辅助司法判决。本文以中国的医疗损害诉讼文本为例,使用文本挖掘和自动分类技术提出了一个法院裁判决策支持系统（CJ-DSS）,该系统可以依据以往判例预测新诉讼文本的判决结果：驳回与非驳回。结合案例,本文研究发现,组合特征提取法确实能够改进和提高分类器的分类性能,而且针对支持向量机（SVM）、人工神经网络（ANN）、K最近邻（KNN）三种不同的分类器,文档词频-卡方（DF-CHI）组合特征提取法对性能的改进程度有所差异,其中ANN的性能改进最高。除此之外,集成学习后该系统的分类性能更加稳定,显著优于单一分类器,F1值达到93.3%。