基于改进K-medoids算法的科技文献特征选择方法

根据科技文献的结构特点搭建了一个四层挖掘模式,并结合K-medoids算法提出了一个特征选择方法.该选择方法首先依据科技文献的结构将其分为4个层次,然后通过K-medoids算法聚类对前3层逐层实现特征词提取,紧接着再使用Aprori算法找出第4层的最大频繁项集,并作为第4层的特征词集合.同时,由于K-medoids算法的精度受初始中心点影响较大,为了改善该算法在特征选择中的效果,论文又对K-medoids算法的初始中心点选择进行优化.实验结果表明,结合优化K-medoids的四层挖掘模式在科技文献分类方面有较高的准确率.     

基于UTADIS方法的电能质量综合评估研究

针对传统电能质量综合评估方法忽视决策人的经验偏好信息的不足,论文利用效用函数理论,基于UTADIS方法,提出了一种新的电能质量综合评估方法.该方法直接利用国家制定的评级界限作为节点,利用决策人或专家已有的经验信息,构造出一个线性规划模型估计出每个节点的效用值,并根据这些节点效用值再对待评的监测点进行评级.实例验证表明了所提方法的实用性与客观性,为电能质量的有效评估提供了一种新的思路.     

采用Ontology和树的语义冲突消除法

语义信息集成是目前屏蔽数据之间半结构性、异构性和分布性的主要方法,其目的是为用户提供最大范围的精确数据.本文以解决信息集成中的语义冲突为目的,采用Ontology描述全局数据概念、树型结构描述局部数据概念.在此基础上,给出数据的逻辑定义方法,利用相似度计算匹配值来实现数据在语义集成中的匹配,并描述语义信息集成中的映射算法.最后,给出了实验数据和算法执行结果,验证了此方法的正确性.     

基于Haar小波和极大似然估计的Hurst参数估计法

Hurst参数是表征网络业务自相似性的一个重要参数，在一定的观察时间内对突发业务的Hurst参数进行快速、准确的估计是高速宽带网络实施流量控制和缓冲资源分配的前提.本文提出一种基于Haar小波和极大似然估计的Hurst参数估计法.该方法首先使用Haar小波对DFBM序列的增量DFGN序列进行小波变换，然后再利用极大似然估计来估计Hurst系数.仿真生成的DFBM和真实自相似网络业务数据的计算结果均表明，该方法提高了Hurst参数估计的效率和准确性，比传统方法具有更好的性能.     

基于自适应变异遗传算法的图像分割

在标准遗传算法的基础上,提出了一种用自适应变异遗传算法进行图像分割的方法和技术．通过对二进制编码串中每一比特位赋予不同的变异概率来加快搜索过程,以找到最佳的阂值来对图像进行分割处理．实验结果表明,该算法的收敛性能与运用该算法所得到的分割效果都优于标准遗传算法．     

基于并行协同演化的差分进化算法

针对传统差分进化算法搜索速度慢、易陷入局部最优解的缺点,引入协同演化的思想提出了一个基于并行协同演化的差分进化算法,并设计了相应的变异算子和自适应交叉算子。仿真验证结果表明:同遗传算法、标准差分进化算法相比,所提算法在搜索速度和寻优能力方面都具有一定的优势。     

有多个参与方的门限群签名方案

利用单签名来构造群签名,提出了一个拥有多个参与方的门限群签名方案.该方案应用了秘密共享的思想,把签名的特殊要求（有多个参与方）与秘密共享方案结合起来,对秘密的分发采取了多重分割的方法.该方案安全有效并且实施简单.     

基于Haar小波变换和关联加权的LDA方法

线性判别分析(LDA)是人脸识别系统中用来降维的主要技术之一,但却受到小样本问题的限制,从而使其不能有效发挥其性能.本文通过把权值的概念引入LDA之中,使关联加权LDA方法有效地改善了小样本问题,但是它的分类效果却并不理想.为了解决这个问题,本文提出了基于Haar小波的关联加权LDA方法,该方法在Haar小波子带基础上,应用关联加权LDA方法,既解决了小样本问题,又改善了分类的效果.利用ORL及FERET两大人脸数据库进行了实验,其结果表明与最先进的几种方法相比较,HWRW-LDA方法具有更好的识别性能.