一种基于密度的网格动态聚类算法的研究

聚类算法是数据挖掘领域中一个非常重要的研究方向.至今为止人们已经提出了许多适用于大规模的、高维的数据库的聚类算法.基于密度的聚类算法是其中一个比较典型的研究方向,文中以DBSCAN为基础,提出一种基于密度的网格动态聚类算法.新算法将网格的原理运用到基于密度的聚类算法中,并采用了动态的参数法,能自动根据数据的分布情况进行必要的参数更改,有效减少DBSCAN对初始参数的敏感度,从而提高了聚类的效率和效果,降低了算法I/O的开销.算法不仅能挖掘出各种形状的聚类,并能准确的挖掘出数据集中突出的聚类.     

管理类专业的E-Learning式模拟教学系统构建

管理学科的专业教学有非常强的实践性,本文从我国当前管理专业教学现状出发,指出了现有教学方法的不足,并针对这些不足,提出了"基于校园局域网的E-Learning式模拟教学",进而阐述了这种新式教学方式的优点,并初步设计了一个系统平台实现模型.     

用归纳学习引导进化

遗传算法需要在选择操作的正向作用和交叉／变异的破坏性影响之间取得平衡，否则往往会出现收敛速度慢或未成熟收敛，不同于现有的其它改进，论文采用归纳学习的方法来引进化过程趋于这一平衡，文中采用归纳学习的方法，从进化历史进程中抽取出能反映过去进化的错误和成功的规则，进而用它们来引导后读的进化过程，保证在避免重复错误的同时加速进化，基于函数优化和布局求解的实验验证了该方法的有效性。     

加权小世界网络上的财富分布

网络演化博弈是研究社会财富分布的重要工具．使用经典的小世界网络来模拟社会网络的拓扑结构,并引入权重来表示个体联系的强度与频率,边的权重可以通过一个加权参数β进行调节．然后在此加权网络上研究了演化雪堆博弈的动力学过程,并使用基尼系数和帕累托指数两个经济学指标对系统的财富分布公平程度进行了量化研究．结果表明,系统的财富分布与参数β存在非单调的关系,并且公平程度在β=-1时达到最高．