基于二次互信息的特征选择算法

将二次互信息(mutual information)用作模式分类问题中特征选择的准则,分析了该准则在再生核希尔伯特空间中的几何意义.在二次互信息准则基础上,提出了基于Parzen窗密度估计和后向删除策略的特征选择算法PW-QMI,同时针对大规模数据集的情况给出了基于高斯混合模型的算法GMM-QMI,以减小算法的计算复杂度.通过与相关度算法和SVM-RFE算法的实验比较,证明了该算法在特征选择问题上具有更为稳定的性能.     

基于改进的LBG算法的SVM学习策略

针对SVM方法在大样本情况下学习和分类速度慢的问题,提出了利用LBG算法对训练样本进行预处理,然后再使用传统的SVM算法进行训练的策略,并提出了一种改进的LBG算法．通过对仿真数据以及对实际的纹理图像的分类实验表明,这种预处理方法能在保持学习精度的同时减小训练样本以及决策函数中支持向量集的规模,从而提高学习和分类的速度．     

胃癌组织中EGFL7的表达及其临床病理特征的关系研究

目的：探讨胃癌组织中表皮生长因子样结构域（EGFL7）的表达及其与胃癌临床病理特征的关系。方法：采用免疫组织化学SP法分别检测45例胃癌组织中EGFL7的表达水平及微血管密度（MVD，CD34标记），分析EGFL7的表达与MVD及胃癌临床病理特征之间的关系。结果：EGFL7的表达在有淋巴结转移组中的阳性率（84．6％）高于无淋巴结转移组（57．9％），在浸润浆膜层组中的阳性率（84．4％）高于未浸润浆膜层组（46．2％）。胃癌组织中EGFL7的表达与淋巴结转移和浸润程度呈正相关（P〈0．05），但与患者的年龄、性别、肿瘤的分化程度无关（P〉0．05）。胃腺癌低分化纽MVD（37．62±10．42）高于高分化组（27．91±9．93）和中分化组（28．40±9．18）；浸润至浆膜层组MVD（34．25±10．43）高于未至浆膜层组（26．69±8．66）；有淋巴结转移组MVD（33．00±9．99）高于无淋巴结转移组（25．94±9．34）。癌组织中MVD值与分化程度、浸润深度及有无淋巴结转移呈正相关（P〈0．05），但与年龄、性别无关（P〉0．05）。在EGFL7表达阳性的肿瘤纽织中MVD均值为33．80±10．56，高于EGFL7表达阴性的肿瘤组织中MVD均值26．004-7．21（P〈0．05），采用Pearson积差相关系数进行分析，发现MVD值与EGFL7的表达成正相关（r=0．313，P〈0．05）。结论：EGFL7的高表达可能促进了胃癌的浸润和转移，其机制可能与促进胃癌组织中的血管新生有关。     

一种基于时间范例的预测技术

介绍了CBR与模糊结合的技术在预测领域中的应用现状，阐述了一种经作改进的模糊k-NN技术的工作原理，详细论述了时间范例相似度的匹配算法与预测算法。给出该算法在电力负荷预测中的应用的实例，描述了预测系统工作原理、系统结构设计，最后给出了实验结果。     

用于构造型专家系统的知识获取工具

本文介绍了一个知识获取工具:SALT,它帮助构造型专家系统完成知识获取、建造知识库,SALT假定它建造的专家系统采用提议—修正问题求解策略。根据这个策略,SALT指导和领域专家的对话,并把专家提供的知识以一定的方式表示,以便当知识适用时应用它。