基于最近邻原则的半监督聚类算法

基于最近邻原则的半监督聚类算法是以基于最近邻的聚类中心求解算法为基础的。在基于最近邻的聚类中心求解算法中,用相似度矩阵记录数据点间的相似程度,由目标函数最小值求得聚类的类中心点。在基于最近邻原则的半监督聚类算法中,根据约束信息来调整相似度矩阵G,数据点间相似度的变化引起了数据点间加权欧式距离的变化,由此更新加权欧式距离矩阵M,最后执行聚类中心求解算法完成聚类。大量实验结果表明,该算法能获得较好的聚类结果。

优化排料算法的研究与实现

本文首先介绍了优化排料算法的实现过程 .为了降低算法复杂度 ,本算法采用了启发式搜索的方法 .进而分析了算法的可行性 .在此基础上研制出了二维图形优化排料系统 .大量生产实践表明 ,本系统具有实用。

一种基于四叉树结构的排料算法

提出了一种利用四叉树结构来描述矩形物体排料过程的算法。为了确保排料布局的合理性，满足工业上的一刀切要求，需采用组合规则和邻接规则来合成矩形块，这样做还可减少废料碎片、降低算法复杂度、提高板材利用率。

一种分阶段优化的排料算法

提出一种基于分阶段优化的排料算法。在算法的第一阶段,在排料前先估算本阶段用到的原板材尺寸和数量,将权重因子超过阈值的待排件均匀分布在其上。在排料过程中再根据待排件权重因子和组合因子动态调整空闲区域的排料布局,从而可大幅度降低排料算法复杂度,提高板材利用率。在第二阶段,将剩余待排件合理排放在原板材上,在排料即将结束时,可根据相邻因子确定排料布局以减少废料碎片。生产实践表明,这样研制出的排料系统利用率高、布局合理,能满足工业上的一刀切要求。

基于Internet的质量数据采集处理系统

开发基于Internet的产品全生命周期的质量数据采集系统,实现质量数据采集、统计分析、查询和质量追溯管理,从而大幅度提高了在产品全生命周期过程中的质量数据的处理实时性、管理效率。

DCT算法在嵌入式系统中的实现和优化

随着人机交互界面的日益复杂,嵌入式系统显示复杂图象的应用也越来越多,而未经过压缩的图象占用的存储空间很大,压缩后的图象存储空间大幅度减少,而嵌入式系统在进行图象解码时会用到占用大量计算资源的DCT算法,本文提出了一种应用于嵌入式系统的8×8离散余弦变换算法的优化及实现方法。

DSA总线在VCD设计中的应用

详细介绍了DSA总线协议及在VCD设计中的广泛应用。

用于不均衡数据集分类的KNN算法

针对KNN在处理不均衡数据集时,少数类分类精度不高的问题,提出了一种改进的算法G-KNN。该算法对少数类样本使用交叉算子和变异算子生成部分新的少数类样本,若新生成的少数类样本到父代样本的欧几里德距离小于父代少数类之间的最大距离,则认为是有效样本,并把这类样本加入到下轮产生少数类的过程中。在UCI数据集上进行测试,实验结果表明,该方法与KNN算法中应用随机抽样相比,在提高少数类的分类精度方面取得了较好的效果。

使用C语言得到键盘编码的一个实例

本文给出了一个用Ｃ语言编写的键分析程序。运行该程序，用户可以得到键盘上各个单键和组合键的键码。

C语言图形方式下的彩色汉字显示技术

本文给出了两个用ＴｕｒｂｏＣ２．０编写的汉字显示子程序。调用这两个子程序，用户就可以在ＴｕｒｂｏＣ图形方式下在屏幕的指定位置上显示出彩色汉字。

不平衡数据集的神经网络阈值优化方法

不平衡数据集分类为机器学习热点研究问题之一,近年来研究人员提出很多理论和算法以改进传统分类技术在不平衡数据集上的性能,其中用阈值判定标准确定神经网络中的阈值是重要的方法之一。常用的阈值判定标准存在一定缺点,如不能使少数类及多数类分类精度同时取得最好、过于偏好多数类的精度等。为此提出一种新的阈值判定标准,依据该标准能够使少数类及多数类分类精度同时取得最好而不受样例类别比例的影响。以神经网络与遗传算法相结合训练分类器,作为阈值选择条件和分类器的评价标准,新标准能够得到较好的结果。

基于OBE理念的财经类高校创新创业教学模式变革

在“大众创业、万众创新”的时代背景下,已有的传统教学模式已经难以适应创新创业人才培养的新要求。广大财经类高校应该基于OBE理念,大力改革创新创业教学模式,明确创新创业教学的培养目标,完善创新创业教学的课程设计,加大创新创业教学的资源投入,强化创新创业绩效的成果评价,以提升高校人才培养质量,从而为培养复合型的创新创业人才寻找新的突破口。

严复早期救亡思想述略

19世纪末的中国面临严重的危机,作为一位曾留学西方的思想家,严复在此时提出了一系列救亡图存的主张。他通过进化论的视角,分析了中国危机的严重性,要求学习西方,提高国民素质,提倡自由平等。在严复的这些主张中,我们可以同时看到激进和保守这两种思想的身影。

一种新的基于模糊聚类的组合分类器算法

提出一种新的基于模糊聚类的组合分类器算法,该算法利用模糊聚类技术产生训练样本的分布特征,据此为每一个样本赋予一个权值,来确定它们被采样的概率,利用采样样本训练的分类器调整训练集的采样概率,依次生成新的分类器直至达到一定的精度。该组合分类器算法在UCI的多个标准数据集上进行了测试,并与Bagging和AdaBoost算法进行了比较,实验结果表明新的算法具有更好的健壮性和更高的分类精度。

基于I2C距离和标记相关性的多标记场景分类

将改进的ML-I2C与基于标记相关性的方法结合,提出一种改进的多标记场景分类方法。首先提取所有图像的SURF特征,将每个类用一个特征集来表示;然后采用改进的I2C方法来计算待测图像与已知类之间的距离,根据距离进行标记排序;最后根据排序,利用标记相关性来预测待测图像的所有可能标记。实验结果表明,该方法对多标记场景分类的准确率较高。

用于多标记学习的局部顺序分类器链算法

标记间的相关性在分类问题中具有重要作用,目前有研究将标记相关性引入多标记学习,通过分类器链的形式将标记结果引入属性空间,为学习其他标记提供有用信息。分类器链中标记的预测顺序具有随机性,分类结果存在着很大的不确定性与不稳定性,且容易造成错误信息的传播。为此充分考虑标记的局部分布特性,提出了一种局部顺序分类器链算法,解决分类器链中分类器顺序问题。实验表明,该算法性能优于其他常用多标记学习算法。

基于标记特征的多标记学习改进算法

基于标记特征的多标记分类算法通过对标记的正反样例集合进行聚类,计算样例与聚类中心间的距离构造样例针对标记的特征子集,并生成新的训练集,在新的训练集上利用传统的二分类器进行分类。算法在构造特征子集的过程中采用等权重方式,忽略了样例之间的相关性。提出了一种改进的多标记分类算法,通过加权方式使生成的特征子集更加准确,有助于提高样例的分类精度。实验表明改进的算法性能优于其他常用的多标记分类算法。

无线烟草零售信息管理系统的研究

如何更好为烟草零售户提供优质服务以提高其满意度和忠诚度,这一直是中国烟草业面前的难题,本文提出无线烟草零售信息管理系统,通过无线烟草零售信息终端实时采集烟草零售信息,准确了解烟草零售户的需求,指导烟草零售户的销售和自动订购,可提高烟草零售户的满意度和忠诚度。

一种基于邻域粗糙集的多标记加权分类算法

多标记分类问题在文本分类、图像标注和基因功能组学习等领域都有很好的应用前景．考虑到多标记分类问题中的不确定性和相关性问题，引入了邻域粗糙集模型来构造一种新的框架MLRS．但该方法忽略了邻域中样例与测试样例之间的局部相关性，针对该问题，提出一种新的加权多标记分类算法WMLRS．实验表明，本文提出的方法拥有比其他常用的多标记分类算法更优的分类性能．

基于关联属性主成分分析的SVM技术应用于Web Spam分类

垃圾网页(Web Spam)的大量存在严重降低了搜索引擎的检索效率。针对垃圾网页内容特征、链接特征的高维性及特征属性间的冗余性,本研究先对垃圾网页数据集中具有较高相关度的关联属性进行分组主成分分析(PCA),并选取最高贡献率的第一主成分的主要属性,从而减少冗余。再使用支持向量机(SVM)分类模型对处理后的数据集进行分类实验。实验结果表明,本文提出的方法可有效提高SVM对垃圾网页的分类性能。