摘要：实施垃圾分类可促进资源回收利用,但人工进行垃圾分类效率低、成本高且执行困难[1]。本文设计一种基于机器视觉的自动分类垃圾桶,能够对投入的一个或者多个垃圾进行识别并自动分拣。运用MobileNet V1图像分类算法对投入的垃圾进行垃圾类别的判定,运用opencv库通过sobel算子计算梯度、canny边缘检测等算法进行垃圾的框选,并将类别和坐标信息传输给机械臂等分拣机构,使其对垃圾实现精准分拣,实现垃圾自动分类[2],促进垃圾分类制度的可实施性。

摘要：文章介绍了目前常用的电子收费系统的基本组成 ,依据我国公路收费行业的实际情况 ,提出一种基于红外线车型自动分类的电子收费系统的方案设计 ,并且完成了其中车型自动分类等关键技术的研究 。

摘要：针对传统分类标引系统算法模型准确率低、难以有效解决线性不可分数据的分类问题,引进了SVM模型,设计了基于SVM的书目数据智能分类检测系统,以西安航空学院图书馆书目数据为样本,通过数据预处理、TF-IDF特征提取、chi2特征降维、LinearSVC建模等,完成分类器的训练,在测试集上完成分类器的性能评估,并与逻辑回归、随机森林、朴素贝叶斯进行对比实验。实验结果表明,召回率为0.82、f1分数为0.82,精确率为0.83,准确率为0.85,高于其他机器学习模型,精度较高,泛化能力较强,具有良好的适用性。

摘要：采用传统方法对电网设备监控信息进行分类时,缺少对监控信息的预处理步骤,导致分类效果较差,为了解决该问题,提出了基于大数据的电网设备监控信息自动分类方法。分析电网设备监控信息数据采集结构,对信息数据进行预处理,并在大数据环境下,采取信息梳理的方式合理合并相关同类事项。设计信息梳理流程,将信息进行归档,以此构建信息熵数学模型,计算电网设备出现故障的几率,获取有效预警信息文档。依据信息自动分类流程,实现对电网设备监控信息的自动分类。通过实验对比结果可知,采用基于大数据方法分类效果最高可达到98%,说明该方法适应了电力大数据快速增长趋势,能够为设备监控信息分类提供有力支持。

摘要：在计算机智能处理技术远未成熟的情况下,基于概念语义网络的自动分类采用知识库技术,仍将是一种实用的选择。本项研究根据分类语言、主题语言、自然语言三者兼容互换的原理,以众多标引员的主题标引和分类标引的经验,即文献数据库实体中大量存在的文献分类号和主题词双重标引数据为基础,建立一个以《中图法》为基础的分类知识库——分类法与主题词表对照数据库。论文对构建分类知识库的思路、步骤及主要技术,包括关联度测度方案、标引词模式匹配、新词增补等进行了讨论。

摘要：患者投诉是改善医疗服务管理的珍贵资源。针对患者投诉分析需要大量人力、时间成本以及分类存在主观影响的问题,使用一种科学的分类标准对收集到的患者投诉进行人工标注,设计了一种基于长短期记忆模型的多个二元分类器结合的方法对患者投诉语料进行分类,探索了分类器对于单标签语料、多标签语料和仿真语料的分类预测的性能,为患者投诉分类提供了一种全新高效的方法,为更好地理解患者投诉打下坚实基础。

摘要：区块链领域技术主题的自动识别与技术主题范畴的自动分类研究,为拓展领域研发主题和推动领域发展提供情报支持。以德温特专利数据库中的中国区块链技术专利为样本,设计和实现基于机器学习的区块链技术主题识别与自动分类模型,实现基于LDA主题模型的区块链技术主题识别。基于专利文献特征向量空间,形成技术主题范畴的分类体系,最终实现基于传统机器学习和深度学习模型的区块链技术主题自动分类。研究发现:LDA主题模型能够有效识别出区块链技术领域的主题类别,并构建出技术主题类别的特征向量空间,共识别出18个技术主题,按照研究方向归纳为区块链架构研究、区块链行业应用研究、数据存储和数据安全保护研究、高新技术应用研究4类主题范畴;通过交叉融合LDA主题模型、传统机器学习与深度学习等机器学习方法,能够有效实现领域技术主题范畴的自动分类。分类结果显示,支持向量机、LightGBM、LSTM、BP神经网络、逻辑回归模型等分类模型的性能较优,准确率为84%~87%,精确率为79%~83%,其中逻辑回归模型的自动分类效果更显著。

摘要：从原理、系统设计、知识库构建、分类算法、性能等方面对自动分类的两种模式———基于训练语料和基于人工标引经验———进行介绍和比较,这两种分类模式都具有一定的可行性。基于训练语料的自动分类模式完全依靠机器学习从训练集中发现类目的特征,数学论证充分,易于维护,比较适合于面向行业和主题的粗分类,但是过分强调了机器学习的效能,忽略了人工智力劳动成果的利用,训练过程和分类过程运算量,算法复杂;而基于标引经验的自动分类模式利用简单的统计学方法从书目数据库中挖掘人工标引经验,适用于面向体系分类法的详细分类,分类算法简单,运算量小,但过分依赖经验,缺乏有说服力的数学证明。知识库的完备性和合理性是影响两者分类效能的主要因素,是两者面临的共同问题。

摘要：在开源软件广泛使用的大背景下,如果软件的设计和开发过程中存在一些漏洞,那么该软件在使用的过程中很容易受到恶意攻击,这对于软件的安全利用是非常不利的.为了保证软件本身的完善性和应用安全性,在实践中需要对软件进行全面的检测,主要是发现软件存在的漏洞并掌握补救措施.传统的检测和分析主要利用的是源代码审查技术,该技术对人员安全意识的依赖性比较强,所以在代码日益增多的情况下这种技术的利用越来越不现实,因此需要实现相关技术的创新与利用.基于卷积神经网络的软件漏洞自动分类方法可以及时的发现软件漏洞并对其进行分类,这于软件漏洞问题的补充和解决有重要的意义,所以文章就卷积神经网络的软件漏洞自动分类方法进行总结,旨在指导实践工作.

摘要：针对当前常用的电子邮件收发软件存在的缺陷及其自动分类方法的不足 ,改进电子邮件的概念表达形式 ,提出一种基于知识库的电子邮件自动分类方法 ,设计并实现了客户端电子邮件的自动分类系统 ,并对其分类效果进行了测评。实验结果表明 ,基于知识库的电子邮件分类方法 。