基于标签相关性的K近邻多标签分类方法

针对K近邻多标签（ML-KNN）分类算法中未考虑标签相关性的问题,提出了一种基于标签相关性的K近邻多标签分类（CML-KNN）算法。首先,计算出标签集合中每对标签间的条件概率;其次,对于即将被预测的标签,将其与已经预测的标签间的条件概率进行排序,求出最大值;最后,将最大值跟对应标签值相乘同时结合最大化后验概率（MAP）来构造多标签分类模型,对新标签进行预测。实验结果表明,所提算法在Emotions数据集上的分类性能均优于ML-KNN、Adaboost MH、RAk EL、BPMLL这4种算法;在Yeast、Enron数据集上仅在1-2个评价指标上低于MLKNN与RAk EL算法。由实验分析可知,该算法取得了较好的分类效果。

模式分类方法比较研究

模式分类方法是模式识别的关键。文中重点研究了支持向量机、BP神经网络、K近邻、朴素贝叶斯、线性判别分析和二次判别分析共六种模式分类方法,并利用MATLAB对UCI上的数据集进行了分类测试,根据测试结果分析了数据集的样本数、特征数、类别数对每一种模式分类方法的准确率和运行时间的影响。结果表明,在对一些小数据进行分类时,可以采用朴素贝叶斯、K近邻、线性判别分析方法,而对于大的数据集,支持向量机、BP神经网络、二次判别分析分类方法则比较适合,但对运行时间要求严格的分类不能采用BP神经网络方法。

低代码在政务领域中的应用

低代码具有模块化、可视化以及灵活开发等特点,将其应用在政务领域,能有效降低政府部门的开发成本,满足于不断变化的业务需求,全面提升政府部门的开发效率。基于此,笔者首先分析了低代码的定义、发展历史及开发模式,其次探讨了低代码在政务领域中的应用场景,最后分析了低代码在政务领域中的应用优势。

“皖事通”App的重构之路

文章通过对底层框架和智能网关的再造,介绍了“皖事通”App服务的重构过程。该文主要包括“皖事通”App系统重构设计、App客户端重构、基础功能优化和服务重构等,通过对“皖事通”App的重构,为全省各级移动端应用提供一站式研发、测试、发布、监控、管理能力,为各分厅建设和应用开发提供能力支撑,支持分厅技术创新和多端发布等,提升系统的稳定性、开放性、安全性和易用性。

基于JavaEE的投资项目在线审批监管平台的设计与实现

提出了基于JavaEE的投资项目在线审批监管平台,介绍了平台的整体架构和功能设计。该文介绍了投资项目在线审批监管平台的事项梳理、项目申报、门户网站、并联办理和移动APP应用等,通过平台建设,加快全省投资项目实现在线审批,提高政府部门的工作效率。

依托省政务服务网的网上“中介超市”的应用研究

依托省政务服务网,建立全省共享的行政权力中介 服务事项库、中介机构库及信用评价库,建成全省统一的行政 权力网上“中介超市”平台。本文简要介绍了网上“中介超市” 的一大厅、一系统与三库等,搭建网上“中介超市”平台,能够 为中介机构、项目单位提供更为优质、便捷、高效的服务。