基于一类SVM的贝叶斯分类算法

提出一种基于一类支持向量机(one-class SVM)的贝叶斯分类算法,该算法用一类SVM对类条件概率密度进行估计以构造贝叶斯分类器.证明采用高斯核的一类SVM,其解可以归一化为密度函数,并把该密度函数看作类条件概率密度的平滑估计,构造贝叶斯分类器.实际数据集上的实验结果表明,提出的分类算法测试准确率高于简单贝叶斯分类器与贝叶斯网络分类器,不低于传统二类SVM;比传统二类SVM需要计算的核矩阵规模更小,训练时间更短.

改进的邻域支持向量解算法

针对实施邻域风险最小化原则的邻域支持向量解算法,根据被错分样本一定是支持向量提出一种利用支持向量删除训练样本中难学习样本的修剪算法;依据最大似然原则对已有的高斯邻域函数参数取值方法进行改进.初步实验表明,训练样本的修剪与邻域函数参数取值方法的改进可明显提高邻域支持向量解算法的泛化能力,比SVM测试准确率提高0.5%左右.

基于网格技术的数字图书馆互操作关键技术

为了解决In ternet上大规模的数字图书馆互操作问题,在原有OA I-PMH框架的基础上,提出一种基于网格技术的数字图书馆互操作框架——数字图书馆网格(DL grid),给出了3层DL grid体系结构,并对元数据资源的发现、采集、重组、利用等关键技术进行了分析、设计与实现.通过集成的元数据,实现了W eb上数字图书馆信息的共享.

数字图书馆网格互操作框架

随着全球数字图书馆(DLs)的迅猛发展,互操作成为亟待解决的重要问题。目前DLs互操作的主要解决方案包括:分布式搜索、元数据收集、中间件技术等,在实现大规模的数字图书馆互操作方面都存在一定的局限性。文章通过对已有方案的分析和对比,指出各自的优势和不足,并在OAI-PMH框架的基础上,结合先进的网格技术,提出全新的数字图书馆互操作框架—数字图书馆网格DLGrid,为解决大规模数字图书馆的互操作提供一种新途径。

基于Agent技术的智能体网格的研究

Agent能够感知外界环境的动态变化,而支持动态环境变化是网格的基本要求之一。把Agent技术引入到网格计算中,通过对Agent技术的特点和优点的分析,给出智能体网格的概念和体系结构,阐明Agent在智能体网格中,既充当G rid的使能器,又作为其功能享受者的特殊作用,最后,提出Agent技术在基于开放网格服务体系结构(OGSA)的网格计算中的应用模型。