基于模糊及分块主纹理谱的图像聚类

基于主颜色方法提出分块主纹理谱的概念,在每个分块中自动生成阈值来过滤噪声.从模糊逻辑的角度出发提出一种新的纹理谱描述符,结合区域灰度平均值,构造隶属函数来计算纹理单元值.实验证明,所提出的方法在图像聚类方面达到较好的聚类效果.     

非线性多视角子空间聚类方法

不同视角特征构成的数据比单视角特征具有更多的信息,充分利用多视角特征可以提高聚类效果.由于不同视角空间中的特征不具有可比性,基于线性表示理论的子空间学习方法通过学习表示矩阵挖掘互补信息.但现实数据多是非线性的,线性表示理论不利于发现数据的非线性关系.针对该问题,采用非线性投影及流形正则项来刻画多视角下的非线性数据,实验结果表明,所提方法能够对多视角数据进行有效聚类.     

最大频繁项集挖掘中搜索空间的剪枝策略

最大频繁项集挖掘可以广泛应用在多种重要的Web挖掘工作中.为了有效地削减搜索空间,提出了一种新的最大频繁项集挖掘中的搜索空间剪枝策略.这种策略基于深度优先遍历词典序子集枚举树,利用树中子节点与父节点扩展集中相同项的扩展支持度相等的特性,对搜索空间进行剪枝.应用该策略,对MAFIA算法进行改进优化.实验结果表明,该剪枝策略可以有效削减搜索空间,尤其在稀疏但包含长频繁项集的数据集上,搜索空间削减掉2/3,算法的时间效率比原MAFIA算法提高3～5倍.     

电影：科技与艺术的互动

电影是在科技与艺术的互动关系中产生和发展起来的。电影的诞生以现代科学技术为基础 ,电影历史的转折和电影艺术的进步与科学技术的发展有着十分明显的对应关系。机械时代的电影以活动的影像作为最重要的法宝 ,它在表现运动方面的潜力令人叹为观止 ;数字时代的电影以电脑技术营造传统科学技术所难以企及的视觉奇观 ,显示了电脑魔术的巨大魅力 ;网络时代的电影则具有互动的特点 ,网络的发展将使电影的制作方式、宣传方式、发行方式、观赏方式等产生深刻的变化。互联网对人类生活产生了巨大而迅捷的影响 ,也影响到了电影这门与现代科技关系最为密切的艺术。迈入新世纪的电影面临着前所未有的挑战。如何在网络时代求得电影的生存和发展 ,是全世界电影工作者共同面临的课题     

深部开采陷落范围的预测与控制方法

按已往的错动角圈定地表陷落范围的传统方法,不适用于深部开采.因此,从维持塌陷坑侧壁岩体稳定性的角度,分析了塌陷坑内移动散体的侧向支撑力作用,当塌陷坑散体的厚度不小于临界散体柱高度时,散体的主动压力与被动压力共同阻止边壁岩体的片落活动.通过分析弓长岭井下矿塌陷区的实测数据,得出临界散体柱的高度主要与围岩稳定性、采空区倾角、散体内磨擦角及岩体碎胀系数有关.在深部开采中,用矿山固体废料填充地表塌陷坑,由此降低临界深度,可有效控制地表陷落范围,并给出了陷落角与采深的关系式.     

从高职院校评估看院系的教学档案管理

文章从高职院校人才培养工作水平评估角度,阐述了教学档案在教学管理、教学活动和评估中的地位和作用,提出分院系二级管理体系的教学档案管理模式。     

基于残差补偿的极限学习机自编码器

极限学习机自编码器作为无监督降维方法,通过重构输入数据来提取原始样本特征,具有学习速度快、泛化性能高等优势.但经典极限学习机自编码器表示能力有限,使得重构输出和原始样本之间的残差不可避免.因此借鉴残差补偿思想,提出基于残差补偿的极限学习机自编码器,通过不断对重构残差补偿式学习来改善ELM-AE的表示能力.在6个公开数据集上进行K-means聚类实验,结果表明基于残差补偿的极限学习机自编码器(RCELM-AE)能够有效提高聚类准确率.     

投影自表示无监督极限学习机

无监督极限学习机在投影过程中保持原始高维空间中的稀疏或近邻结构,样本在高维空间中存在冗余信息,原始的数据结构不一定适应于投影后的低维特征空间.为此,结合无监督极限学习机和子空间聚类的自表示学习,提出投影自表示无监督极限学习机模型.该模型是面向聚类的特征提取方法,在投影过程中学习自表示子空间结构,从而使无监督极限学习机提取的特征自适应于聚类任务.在IRIS数据集、 6个基因表达和2个医学影像高维数据集上进行实验,结果表明该模型和算法是有效的.     

处处有语文 时时为我用——构建开放式、多渠道、全方位的大语文体系初探

作为兼具人文性和工具性的学科,语文应立足于促进学生创造意识、实践能力的培养,为他们的终身学习奠定基础。只有更新观念,立足现实,面向未来,打破封闭单一的语文教学系统,建立开放式、多渠道、全方位的大语文体系,做到课内与课外结合、校内与校外结合,特别是加强语文学科与其他学科结合,才能为学生学语文、用语文开辟广阔的时空领域,全面提高学生的语文素质。     

基于节点连接模式的缺失节点识别方法

提出了一种基于节点连接模式的缺失节点识别方法.首先通过一组占位符节点及其与已知节点之间的连接,对网络中缺失节点的信息进行了表示;接着结合不同的链路预测指标,为占位符定义了一个节点连接模式向量用于表示占位符与其他节点之间的连接关系;最后基于节点连接模式向量的相关性,对占位符进行聚类,从而完成缺失节点的识别.实验结果表明:提出的方法在Purity和NMI两个评价标准上的性能优于竞争算法.