基于Parzen窗条件互信息计算的特征选择方法

为解决连续值特征条件互信息计算困难和对多值特征偏倚的问题,提出了一种基于Parzen窗条件互信息计算的特征选择方法。该方法通过Parzen窗估计出连续值特征的概率密度函数,进而方便准确地计算出条件互信息;同时在评价准则中引入特征离散度作为惩罚因子,克服了条件互信息计算对于多值特征的偏倚,实现了对连续型数据的特征选择。实验证明,该方法能够达到与现有方法相当甚至更好的效果,是一种有效的特征选择方法。

基于最小分类错误率和Parzen窗的降维方法

提出了一种基于最小分类错误率和Parzen窗的降维方法,利用Parzen窗估计数据的概率密度分布;通过计算各特征维度下的分类错误率,判断该特征维度对目标分类的贡献度;依据贡献度大小进行特征维度选择从而达到降维的目的。

基于遗传算法与密度及距离计算的聚类方法

为解决聚类中心选择困难和数据点密度计算泛化能力弱的问题,提出一种基于遗传算法与密度及距离计算的聚类方法。该算法通过指数方法计算数据点密度,降低参数对算法性能的影响;用遗传算法搜索最优密度和距离阈值,同时引入惩罚因子,克服算法搜索域偏移从而提高收敛速度,寻找最优聚类中心,并用归属方法完成聚类。通过4组人工数据集和4组UCI数据集实验证明,该方法在RI指数、聚类精度、聚类纯度、召回率等4个聚类评价指标上都达到与K-means算法、快速搜索聚类算法和Max_Min_SD算法相当或更好的效果,算法是有效的。

设计模式在数据库访问权限系统中的应用

针对传统的数据管理与访问技术无法满足日益增长的需求,对可复用面向对象软件设计模式中的桥梁、抽象工厂、外观模式在数据库访问权限系统开发上的应用进行了研究,并依据ADO.NET数据库访问技术提出了一种通用的数据库访问权限系统的设计。在以上技术的基础上,初步实现了数据库访问权限系统,并提高了该系统的可重用性和扩展性,最大限度地实现软件复用。

基于ACP方法的平行战场情报系统

随着智能化战争的到来,战场情报体系存在的计划滞后性、系统脆弱性、训练程式化等挑战更加突出.以“人工社会+计算实验+平行系统”(artificial societies,computational experiments and parallel execution;ACP)方法为基础,提出了平行战场情报系统(parallel intelligence,surveillance and reconnaissance system;PISRS)的四胞胎结构,具体分析了PISRS的描述、预测、对抗3个人工系统的主要内容及其相互关系.PISRS为解决战场情报体系的矛盾问题提供了整体框架,同时提供了系统化解决具体问题的工具平台,可以引导情报体系优化升级.