基于智能手机的报纸阅读器 一、研究目的 本设计实现一款基于安卓智能手机的报纸阅读器，具有将拍照得到的图片转成文字再朗读出来的功能，并支持报纸内容存储、音量调节、自定义朗读语言等功能，能极大缓解老年人阅读报纸时的不便。 二、研究方法 本文的主要任务是介绍 Android 平台下使用 Cordova 进行的报纸阅读器应用开发。首先从整体的角度介绍了 Android 的整体架构，以及 Cordova 跨平台开发框架。然后对 Android 平台的报纸阅读器进行需求分析，设计应用的功能与业务流程。接着使用 Cordova 框架进行功能设计，描述具体实现过程。 三、研究结论 完成了 Android 平台下使用 Cordova 进行的报纸阅读器应用开发，经过正常情况、光线较暗处、纸张弯曲、字体较小时四个阶段的测试，测试结果均表明该OCR引擎的识别足够令人满意。 四、目录 摘要 Abstract 第一章 引言 1.1 课题背景 1.2 课题任务 1.3 内容的安排 第二章 开发环境及相关技术简介 2.1 Android简介 2.2 Cordova简介 2.2.1 Cordova介绍 2.2.2 Cordova原理简要分析 2.3 OCR简介 2.3.1 OCR介绍 2.3.2 OCR识别方式介绍 2.4 TTS简介 2.4.1 TTS介绍 2.4.2 TTS基本组成 2.4.3 中文TTS系统 2.5 Node.js简介 2.5.1 Node.js介绍 2.5.2 Node.js模块 2.5.3 NPM简介 2.6 本章小结 第三章 报纸阅读器的需求分析 3.1 业务描述 3.2 业务处理流程 3.3 客户需求分析 3.4 本章小结 第四章 报纸阅读器的功能设计 4.1 主要业务处理流程 4.2 UI组件布局 4.2.1 HTML，CSS简介 4.2.2 总体设计风格 4.2.3 UI布局 4.3 拍照功能的调用 4.4 裁剪图片 4.5 上传图片 4.6 OCR识别 4.7 TTS功能的使用 4.8 本章小结 第五章 报纸阅读器的实现 5.1项目开发软硬件平台 5.2项目创建 5.2.1 开发环境搭建 5.2.2 Cordova工程创建 5.2.3 项目目录介绍 5.3软件功能实现 5.3.1 UI界面 5.3.2数据存储 5.3.3 拍照功能 5.3.4 裁剪图片 5.3.5 上传图片 5.3.6 浏览新闻 5.3.7 朗读 5.3.8 音量调节 5.3.9 音量条UI 5.3.10检测网络状态 5.3.11检测是否安装讯飞语音 5.3.12跳转至设置界面 5.5 兼容性测试 5.6 模块功能测试 5.7 OCR识别效果测试 5.7.1正常情况 5.7.2光线暗处 5.7.3纸张弯曲时 5.7.4字体较小时 5.7.5结论 5.8 应用效果 5.9 本章小结 结束语 参考文献 致谢 来源：https://github.com/xyqfer/reader

某南方4层政府办公楼工程设计。总建筑面积2340㎡左右。总楼层为地上4层，无电梯间。 防火要求：建筑物属二级防火标准。 结构形式：钢筋混凝土框架结构。 建筑物地处某市中心，不考虑雪荷载和灰荷载作用。 自然地面-10m以下可见地下水。 地质资料：地质持力层为粘土，孔隙比为e=0.8，液性指数IL=0.90，场地覆盖层为1.0m，场地土壤属Ⅱ类场地土。 抗震设防：此建筑物为一般建筑物，建设位置位于近震区，其抗震设防烈度为6度。

基于人体骨骼姿态的姿势识别系统设计 一、研究目的 利用机器学习内容设计实现人体姿势识别系统。 二、研究方法 通过 OpenPose 获取骨骼数据，设计算法提取骨骼节点特征，利用卷积网络的知识实现姿势识别。创新点在于骨骼特征节点设计时利用 两个手工定制的特征，实现快速识别：第一个是距离两个关键点的距离会随着动作不同而不同；第二个是角度，考虑到距离会随着摄像头位置发生变化，而三个点的夹角不同，不论远近，夹角固定，同时夹角会随着动作不同而不同。 三、研究结论 通过特征值网络的设计、卷积网络的设计与实现，以及系统的设计与实现，最终实现了基于人体骨骼姿态的姿势识别系统。 四、目录 第 1 章 概论 第 1.1 节 人体姿态估计的发展概况 第 1.2 节 各种分类方法的发展概述及研究现状 1.2.1 各种分类方法的概述以及发展 1.2.2 关于专家系统的动物识别分类的概述以及研究近况 1.2.3 关于支持向量机分类的概述以及研究近况 1.2.4 关于机器学习与深度学习分类的概述以及研究近况 第 2 章 骨骼数据的获取 第 2.1 节 安装 OpenPose 第 2.2 节 关于 OpenPose 网络模型算法的具体细节 第 2.3 节 通过 OpenPose 获取骨骼数据 第 3 章 算法设计 第 3.1 节 骨骼节点特征的设计与提取 3.1.1 距离特征的设计与提取 3.1.2 角度特征的设计与提取 第 3.2 节 分类的设计与实现 3.2.1 workspace 程序开发目录详细说明 3.2.2 特征值网络的设计 3.2.3 卷积网络的设计与实现 第 4 章 系统的设计与实现 第 4.1 节 太极姿态网络的模型保存与加载使用 第 4.2 节 采集系统的实现细节 第 4.3 节 太极识别系统的实现细节 第 5 章 系统总结 来源https://github.com/wfnian/posture_recognition

基于特征熵值分析的网站分类系统实现 一、研究目的 本设计对KNN 算法的缺陷产生原因进行详细地分析，并针对缺陷对算法进行了引入属性熵值等一系列的改进，使得改进的 KNN 算法达到高速、高精度的性能，并且基于改进后的新 KNN 算法，搭建一个真正实用性强的网站分类系统。 二、研究方法 采用了语言 Python(Python 2.7.5)来对系统进行全方面设计,系统实现的平台是 Unix 操作系统。基础的爬虫搭建和页面处理涉及的分词技术均非设计重点,且稳定性要求较高, 所以这两者分别采用了目前相对稳定强大的开源工具 Scrapy 和 Jieba 分词。 三、研究结论 最终本系统利用个 3578 个真实网站内容作为测试集对系统进行了性能测试,最终的成绩是分类精度达到 85.05%,平均一个网页的分类速度是 0.88 秒。 四、目录 摘 要 Abstract 第 1 章 绪 论 1.1 课题的研究背景和意义 1.1.1 目前网站分类的研究情况 1.1.2 现有解决方案的优点与不足 1.1.3 基于特征熵值分析的网站分类系统的设计目标 1.2 论文的研究内容与组织结构 1.2.1 论文的研究内容 1.2.2 论文的组织结构 第 2 章 系统模块组成介绍 2.1 系统总体架构 2.2 爬虫模块功能和技术 2.3 网页处理模块功能和技术 2.4 特征提取与文本表示模块功能和技术 2.5 分类器模块功能和技术 2.6 本章小结 第 3 章 爬虫模块和页面处理模块 3.1 爬虫模块详细设计 3.2 页面处理模块详细设计 3.2.1 页面内容价值分析 3.2.2 页面处理方法 3.2.3 一种线性时间的正文提取算法 3.2.4 页面处理关键流程图 3.3 本章小结 第 4 章 特征提取与文本特征表示模块 4.1 特征提取技术介绍 4.1.1 传统的卡方检验方法（CHI） 4.1.2 传统的卡方检验方法的缺陷分析 4.1.3 一种改进的卡方检验方法 4.2 文本特征表示介绍 4.2.1 体现词在文档中权重的关键因素分析 4.2.2 TF*IDF 方法 4.3 本章小结 第 5 章 KNN 分类器模块 5.1 传统 KNN 算法介绍 5.2 传统 KNN 算法的缺陷 5.3 在运行速度上改进 KNN 算法 5.3.1 传统 KNN 算法运行速度低下的原因分析 5.3.2 用 Rocchio 算法进行预选候选类 5.3.3 根据文本的特征集与每类特征交集再次筛选候选类 5.3.4 建立倒排索引 5.3.5 引入位置向量表示法来降低高维向量计算量 5.3.6 快速 KNN 算法的系统流程 5.4 属性熵介绍 5.4.1 熵的定义 5.4.2 属性熵值的意义 5.5 在分类精度上改进 KNN 算法 5.5.1 传统 KNN 算法分类精度低的原因分析 5.5.2 引入共有特征个数改进相似度计算公式 5.5.3 引入属性熵值再次改进相似度计算公式 5.5.4 引入类别平均相似度改进在 K 邻居中各类权重公式 5.5.5 引入类别贡献度再次改进在 K 邻居中各类权重公式 5.5.6 高精度KNN算法的关键流程 5.6 本章小结 第 6 章 实验测试与评价 6.1 分类标准和训练数据 6.2 测试结果 6.3 本章小结 结 论 参考文献 哈尔滨工业大学本科毕业设计（论文）原创性声明 致 谢 来源https://github.com/LeechanX/KNN-Website-Classifier-System

手写数字识别系统的设计实现 一、研究目的 字符识别是利用计算机自动辨识印刷在纸上或人写在纸上的汉字，是模式识别的一个重要分支，也是文字识别领域较为困难的问题之一。本项目旨在论述并设计实现一个自由手写体数字识别系统。 二、研究方法 文中首先对待识别数字的预处理进行了介绍，包括二值化、噪声处理、图像分割、归一化、细化等图像处理方法；其次，探讨了数字字符特征向量的提取；最后采用了bp神经网络算法,并以MATLAB作为编程工具实现了具有友好的图形用户界面的自由手写体数字识别系统。 三、研究结论 在实验过程中我们分别对10个数字10个样本进行测试。从检测结果来看，虽然用于训练的数据集并不是很多，但误差率并不是很高，这也体现了BP算法的优越性，如果用更多的数据进行训练会使得正确的检测率提高而错误的检测率降低，从而使网络趋于收敛。实验结果表明，本方法具有较高的识别率，并具有较好的抗噪性能。 四、目录 1 绪论 1.1 字符识别概述 1.2 数字识别研究的目的及意义 1.3 手写数字识别的典型应用 1.4 国内外研究现状 1.5 手写体数字识别系统概述 1.6 本文内容安排 2 手写体数字识别中预处理技术 2.1 图像灰度化 2.2 图像二值化 2.3 图像反色 2.4 图像去噪声 2.5 数字分割 2.6 数字归一化 2.7 数字细化 3 手写体数字识别中特征值提取技术 3.1 特征提取概述 3.2 手写体字符特征提取方法概述 3.3 手写体数字识别中的结构特征提取 3.4 手写体数字识别中的统计特征提取 4 人工神经网络分类器 4.1 人工神经网络概述 4.2 BP神经网络概述 4.3 本文的神经网络结构设计 5 系统实现与结果分析 5.1 系统实现 5.1.1 系统实现环境 5.1.2 系统处理流程图及主要工作 5.1.3 系统界面 5.2 结果分析 6 结束语 参考文献 致谢 来源https://github.com/liushenwenyuan/matlab_orc

基于深度学习与词嵌入的情感分析系统设计与实现 一、研究目的 针对文本进行句子和段落级的情感倾向性分析，利用算法来判断句子的情感色彩。研究的目标在于提高情感分析算法的准确性，不断学习，不断提高和优化算法。在实际数据集上的进行模型训练与调优，并对模型进行简单的封装和部署。 二、研究方法 主要使用基于深度学习的方法，数据集采用论文常用的 IMDB 数据集，旨在提高最终设计模型的准确性。本文尝试吸收其他深度学习模型优点，自己设计了 7 个深度学习模型。本文主要创新点在于，利用模型集成融合里的堆叠法的思想，实现了 3 个树形的传统机器学习算法与 7个深度学习模型的集成。 三、研究结论 在第一个IMDB数据集上经过AUC评分，计算重合的面积， 可以达到95.97%分，排名能达到前15%。 在第二个twitter数据集上经过F1 Score的评分方法，得到了 0.7131280389的分数，排名196/614，30%左右。 四、目录 1 绪论 1.1研究背景 1.2 研究内容 1.3 章节结构 2 系统设计 2.1 系统功能设计 2.2 系统各模块详细功能 2.3 主界面设计 2.4 本章小结 3 系统实现 3.1 概述 3.2 数据处理与特征提取选择 3.3 深度学习 3.4 机器学习 3.5 模型集成融合 3.6 系统部署 3.7 本章小结 4 系统测试 4.1 数据集 4.2 模型调优 4.3 整体测试 4.4 本章小结 5 总结与展望 5.1 总结 5.2 展望 5.3 本章小结 参考文献 致谢 来源https://github.com/dyngq/sentiment-analysis-project

基于 SVM 分类器的动作识别系统 一、研究目的 本项目对经典 SVM 二分类算法进行研究，在此基础上将 SVM 算法推广到了多分类中。此外通过获取智能手机中的加速度传感器、陀螺仪和方位传感器的数据，搭建了一个动作数据采集、传输和存储平台，支持多用户传输存储其动作数据。采用 SVM 多分类算法训练预处理后的动作数据，并采用粒子群优化算法(PSO)对 SVM 参数进行优化，建立动作分类模型.识别出用户的动作意图。 二、研究方法 在分析理解 SVM 算法的基础上，将传统的 SVM 二分类模型延伸到多分类，使其适应本文的动作识别系统的需要。并提出使用 PSO 对 SVM 参数进行优化； 搭建了一个针对动作数据的采集、传输和存储平台。 搭建智能家居模拟模块，能够模拟实体智能家居设备的各类属性和状态，包括：能够发出学习信号，对新的动作数据进行有效的学习；能够接收控制命令，并根据控制命令改变自身的属性和状态； 完成 SVM 核心算法模块，模块功能包含：对动作数据进行系列预处理，对新的动作数据进行 SVM 算法学习并构建模型，能够通过模型对用户的动作数据进行学习并预测得出的动作意图结果，向智能家居模拟模块广播控制命令，使其相应地改变属性状态； 为了验证 SVM 分类器动作识别系统应用到智能家居控制交互模块中的大规模应用的可能性，整合上述功能，并实现了多用户同时在线使用和分析的场景； 最后运用其他分类算法，如 KNN 算法、神经网络等对相同动作数据进行分类学习，简单比较不同算法的不同特性。 三、研究结论 本文在综合介绍和了解分析动作识别领域和 SVM 算法的背景下，提出并实现了通过调用智能手机各动作传感器来采集用户的动作信号，并使用 SVM 算法分析动作信号，最终搭建完成了一个基于 SVM 分类器的动作识别系统。 四、目录 前 言 第一章 绪 论 第一节 研究背景及意义 第二节 国内外研究现状 第三节 论文结构 第四节 本文主要任务与成果 第五节 本章小结 第二章 SVM 算法研究 第一节 SVM 方法介绍. 一、最优分类面 二、支持向量机 第二节 多分类的支持向量机 第三节 本文 SVM 算法的实现 第四节 粒子群优化 SVM 参数 一、SVM 参数介绍 二、粒子群优化算法介绍 三、粒子群优化 SVM 参数 第五节 本章小结 第三章 动作采集模块设计与实现. 第一节 动作采集模块概述 第二节 采集动作特征说明 一、加速度传感器 二、陀螺仪 三、方向传感器 第三节 动作采集 APP 设计与实现 一、APP 设计概要 二、动作采集和传输方案 第四节 本章小结 第四章 动作识别模块设计与实现 第一节 动作识别模块概述 一、后台架构 二、系统运行流程 第二节 数据预处理 第三节 动作预测模块 第四节 动作学习模块 第五节 本章小结 第五章 智能家居模拟模块的设计与实现 第一节 模拟学习模块 第二节 模拟显示模块 第三节 本章小结 第六章 结 论 第一节 其他分类算法效果比较 一、K 临近算法 二、神经网络算法 三、结论 第二节 总结与展望 一、总结 二、展望 第三节 本章小结 致 谢 参考文献 附 录 一、 英文原文 二、 英文翻译 三、 部分核心源程序代码 来源https://github.com/zhuke1993/GraduationProject_KeZhu

一 研究目的： 利用BIM技术，实现设计、招投标、施工阶段协同。协助项目发展计划、为任务分配资源、跟踪进度、管理预算和分析工作量。通过BIM模型集成进度、预算、资源、施工组织等关键信息，对施工过程进行模拟，及时为施工过程中的技术、生产、商务等环节提供准确的形象进度、物资消耗、过程计量、成本核算等核心数据，提升沟通和决策效率。 理。 二 研究方法： 1.用Revit软件对cAD二维设计图纸进行翻模,形成Revit模型。 2.把Revit模型导入广联达BlM图形算量GCL2013软件，自动识别生成主体模型，再把GCL模型导入GGJ2013中进行配筋,汇总导出钢筋工程量。 3.将钢筋模型导入广联达土建算量GCL2013软件，完善土建模型（比如土方、装饰等模型的创建）,然后添加清单和定额进行提取工程量。 4.将土建工程量清单和定额表格导入广联达计价软件，完善工程量清单的编制和定额的设置、材料价格调整、人工费调整等。 5.用广联达施工现场三维布置软件做施工布置用project编制施工进度计划。 6.用BIM5D载入计划阶段不同专业模型;完成准备前阶段模型与进度、成本（5D）挂接;完成项目施工前虚拟建造模拟,规避问题,确定施工最终方案。 三 研究结论 1.丰富的参数信息和多维度的模型数据库的专业信息能够辅助不同阶段的成本分析和控制能力。 2.统一的三维模型数据库将信息模型、造价、流水段、工序等不同维度信息进行关联和绑定，以最少的时间实时实现任意维度的统计、分析、决策。 3将建筑信息模型与施工计划和材料采购计划进行5D集成，直接生成材料统计资料，对施工单位进行材料采购和进度备料都有帮助，减少材料浪费，控制建设成本。 四 目录 00-西秀苑5#楼图纸文件01-设计阶段-亿联商务宾馆Magicad文件 01-设计阶段-西秀苑5#楼Magicad文件 02-设计阶段-西秀苑5#楼Revit文件 03-设计阶段-西秀苑5#楼BIM审图文件 04-招投标阶段-西秀苑5#楼安装算量文件 05-招投标阶段-西秀苑5#楼钢筋算量文件 06-招投标阶段-西秀苑5#楼土建算量文件 07-招投标阶段-西秀苑5#楼安装计价文件 08-招投标阶段-西秀苑5#楼土建计价文件 09-招投标阶段-西秀苑5#楼三维场布文件 10-招投标阶段-西秀苑5#楼进度计划文件

基于颜色和BP神经网络的车牌定位和识别系统 一、研究目的 车牌识别是现代智能交通系统中的重要组成部分之一，应用十分广泛。良好的车牌识别系统，能提高效率，节省大量的人力物力。本文对车牌识别系统中的车牌定位，车牌字符分割和车牌字符识别这三个主要技术进行研究。 二、研究方法 车牌定位：针对复杂环境下的车牌定位，提出基于颜色的BP神经网络的定位算法，通过车牌底色库（蓝底）训练网络，使之具备区分蓝色与非蓝色能力，从而实现车牌的定位。 车牌字符分割：采用改进的垂直投影算法，可以较好、较快地分割出车牌字符的位置。 字符识别：仍然采用基于BP神经网络算法，通过建立字符库，训练网络使之具有区分34个不同字符的能力，最终实现车牌字符的识别。 三、研究结论 车牌定位方面，由于采用基于颜色定位方法，要求要定位的车牌图像质量较清晰，车牌底色为蓝色或和标准蓝色相差不大，这时BP网络能非常有效地区分蓝色与非蓝色，从而定位。 字符分割方面，采用基于垂直投影特征值的方法，能有效地分割字符。 字符识别方面，实验过程发现当车牌定位和字符分割均能得到较好结果时大多数情况下均能有效地识别。 四、目录 摘要 关键词 第一章 引言 1.1 车牌识别的研究意义 1.2 车牌识别系统现状 1.3 车牌识别系统研究内容 1.4 章节安排 第二章 基于颜色和BP神经网络的车牌定位 2.1 彩色图像显示 2.2 色彩空间RGB到Cr Cb的转换 2.3 BP神经网络原理 2.4 基于Cr Cb的神经网络车牌定位 第三章 车牌字符定位与字符分割 3.1 图像投影技术 3.2 基于图像投影技术的车牌字符定位与分割技术 第四章 基于颜色和BP神经网络的字符识别 4.1 车牌字符库的建立 4.2 基于BP神经网络的字符识别 第五章 结论 参考资料 致 谢 Abstract(Key words) 来源https://github.com/Hellowei/BPproject

一 研究目的： 利用BIM技术，实现设计、招投标、施工阶段协同。通过解决分布存储信息与BIM构件的关联及查询等关键技术,开发基于Web的项目综合管理系统,并将其与基于BIM的5D施工管理系统无缝集成,建立管理数据与BIM模型双向链接,实现了基于BIM和Web的工程项目管理。 二 研究方法： 建模阶段:包括Revit建筑建模，MagiCAD安装建模，BIM审图碰撞检测 招投标阶段：包括GGL钢筋三维、GCL建筑模型，机电模型，GBQ清单计价文件的编制,GSL三维场地布置 施工阶段：Project进度进度计划编制,广联达5D管理平台 三 研究结论 1.丰富的参数信息和多维度的模型数据库的专业信息能够辅助不同阶段的成本分析和控制能力。 2.统一的三维模型数据库将信息模型、造价、流水段、工序等不同维度信息进行关联和绑定，以最少的时间实时实现任意维度的统计、分析、决策。 3将建筑信息模型与施工计划和材料采购计划进行5D集成，直接生成材料统计资料，对施工单位进行材料采购和进度备料都有帮助，减少材料浪费，控制建设成本。 四 目录 1-亿联商务宾馆图纸文件 2-设计阶段-亿联商务宾馆Magicad文件 3-设计阶段-亿联商务宾馆Revit文件 4-设计阶段-亿联商务宾馆BIM审图文件 5-招投标阶段-亿联商务宾馆安装算量文件 6-招投标阶段-亿联商务宾馆钢筋算量文件 7-招投标阶段-亿联商务宾馆土建算量文件 8-招投标阶段-亿联商务宾馆安装计价文件 9-招投标阶段-亿联商务宾馆土建计价文件 10-招投标阶段-亿联商务宾馆三维场布文件 11-招投标阶段-亿联商务宾馆进度计划文件

基于 U-Net 网络的遥感图像语义分割 一、研究目的 U-Net 是一种由全卷积神经网络启发的对称结构网络，在医疗影像分割领域取得了很好的效果。 此次研究尝试使用 U-Net 网络在对多光谱遥感影像数据集上进行训练，尝试使用卷积神经网络自动分割出建筑，希望能够得到一种自动分割遥感影像的简便方法。 二、研究方法 首先提出了一种基于遥感图像类别比率的交叉熵损失函数——类别平衡交叉熵。并与应用于医疗图像分割的 U-Net 相结合，将其应用于遥感图像语义分割。 在 Inria Aerial Image Labeling Dataset 训练数据集上分别使用交叉熵损失函数和类别平衡交叉熵损失函数进行训练，得到两个训练好的卷积神经网络。再利用这两个网络在 Inria Aerial Image Labeling Dataset 测试数据集上生成预测图像进行比对。 三、研究结论 两种方法在正确率和交叉熵上没有太大差别，以交叉熵作为损失函数略优于以类别平衡交叉熵方法。但是这两种方法在F1 Score 上有较大差别。交叉熵的 F1 Score 为 0.47，类别平衡交叉熵的F1 Score 为 0.51，类别平衡交叉熵较交叉熵提高了 8.5%。 四、目录 第一章 绪论 1.1 研究背景与意义 1.2 国内外研究现状 1.2.1 语义分割研究现状 1.2.2 将深度学习应用于遥感图像分割现状 1.3 本文的主要工作 1.4 论文章节安排 第二章 背景知识 2.1 全卷积网络 2.2 使用全连接网络进行精准分割 2.2.1 线性结构网络 2.2.2 对称结构网络 第三章 实验设计 3.1 数据集选择及处理 3.2 图像处理流程设计 3.2.1 网络结构 3.2.2 卷积核初始化方案 3.2.3 输出图像恢复及优化 3.3 损失设计 3.3.1 交叉熵 3.3.2 带权重的交叉熵 3.3.3 类别平衡交叉熵 3.4 结果评估 3.5 具体实现 3.5.1 实验平台 3.5.2 模型实现 第四章 实验 4.1 网络初始化设计 4.2 实验结果 4.2.1 第一组：交叉熵 4.2.2 第二组：类别平衡交叉熵 4.2.3 结果分析 4.3 典型错误 4.3.1 建筑过大 4.3.2 错认 4.3.3 树木和光影 4.4 最终结果 第五章 总结和展望 5.1 全文总结 5.2 未来展望 致谢 参考文献 来源https://github.com/gzr2017/UNet-AerialImageSegmentation

基于AdaBoost算法的情感分析研究 一、研究目的 通过对带有情感色彩的主观性文本进行分析、处理、归纳然后进行推理。通过情感分析可以获取网民的此时的心情，对某个事件或事物的看法，可以挖掘其潜在的商业价值，还能对社会的稳定做出一定的贡献。 二、研究方法 （1）使用微博官方的API对微博进行抓取，进行分类标注。 （2）对微博文本进行预处理，主要包括去掉无意义，对微博文本没有影响的词语。 （3）使用SVM算法对文本进行初步的筛选，主要是去除特别明显的广告等无关性的微博。 （4）使用朴素贝叶斯对微博进行情感分析，将微博分为积极、消极、客观三类，同时使用AdaBoost算法对朴素贝叶斯算法进行加强。 三、研究结论 主要实现： 对微博的降噪清理、对无关性的微博本文进行过滤、使用了朴素贝叶斯对微博进行情感分类、使用AdaBoost算法对朴素贝叶斯进行加强。 可改进: （1）在情感分析的前提下，能够对某些微博中的评论来分析用户的情感倾向性，比如某些热点事件，分析大部分网民对热点事件的喜怒哀乐。同时，也可以根据该热点事件中牵涉到的时间、地点、人物等，对其深入的挖掘，甚至是做出预测性分析。 （2）可更改情感分类的策略，以更精确的分析用户的语言现象，比如分析用户的程度副词如“非常”、“超级”等，结合文本中的标点符号和重复的词语，进行综合的整体建模。 （3）除了针对某些热点事件之外，还可获取个人所有的微博进行分析。从一个人的所有微博中可以获取其情感方向的估计，比如对某件事件的喜欢或者厌恶，对某些品牌的热衷与唾弃等。 四、目录 前 言 第一章 概述 1.1 研究背景和现状 1.2 情感分析的概念 1.3 本文的内容安排 第二章 微博的获取与清理 2.1 概述 2.2 微博的反爬虫机制 2.2.1 通过Headers反爬虫 2.2.2 基于用户行为的爬虫 2.2.3 动态页面的反爬虫 2.2.4 微博的反爬虫 2.3 微博的获取 2.3.1 微博API的获取 2.3.2 模拟登录 2.3.3 微博抓取与存储 2.4 微博的分词与降噪 2.4.1 概念 2.4.2 分词 2.4.3 删除URL 2.4.4 删除用户名 2.4.5 去除停用词 2.5 本章小结 第三章 SVM初步分类 3.1 概念 3.1.1 线性分类 3.2 SVC 3.2.1 线性支持向量分类机 3.2.2 算法描述 3.3 实验 3.3.1 选取特征 3.3.2 降噪 3.3.3 特征降维 3.3.4 将文本样本变成特征显示 3.3.5 将文本随机分成训练集、测试集 3.3.6 进行训练和预测 3.4 本章小结 第四章 利用贝叶斯定理进行情感分析 4.1 引言 4.2 贝叶斯定理 4.2.1 高斯朴素贝叶斯 4.2.2 伯努利贝叶斯 4.2.3 多项式朴素贝叶斯定理 4.3 本文中的多项式朴素贝叶斯 4.3.1 算法过程 4.3.2 拉普拉斯平滑 4.4 实验 4.4.1 分词 4.4.2 特征提取 4.4.3 向量化 4.4.4 朴素贝叶斯分类 4.4.5 测试 4.4.6 计算准确率 4.5 本章小结 第五章 利用AdaBoost加强分类器 5.1 集成学习 5.1.1 发展历史 5.1.2 Bagging方法 5.1.3 Boosting方法 5.2 ADABOOST 5.2.1 概念 5.2.2 举例 5.2.3 算法描述 5.3 ADABOOST提升朴素贝叶斯文本分类 5.4 多类问题 5.4.1 AdaBoost.M1算法 5.4.2 AdaBoost.SAMME 5.4.3 AdaBoost.SAMME.R 5.5 实验 5.5.1 二分类 5.5.2 多分类 5.6 本章小结 第六章 总结与展望 6.1 本文主要内容总结 6.2 存在问题及未来研究展望 参考文献 致 谢 来源：https://github.com/Zephery/weiboanalysis