基于基因表达式编程的代价敏感分类算法

针对传统分类算法在稀有类上的分类效果不佳，通过引进代价矩阵，改进了基因表达式编程的适应度函数，提出了一种基于基因表达式编程的代价敏感分类 (CSC-GEP：Cost-Sensitive Classification-Gene Expression Programming) 算法，并在UCI数据集上对该算法进行了实验。实验结果表明，CSC-GEP的召回率、精度和F-度量值较C4.5分类器分别提高了7.07%，2.89%，5.12%，证明了CSC-GEP是一种有效的代价敏感分类算法。     

基于多目标基因表达式编程的电路演化算法

为提高电路演化的效率和成功率,对电路设计中涉及的多个目标进行了定义与量化,并针对多目标优化问题,在基因表达式编程(GEP:Gene Expression Programming)的基础上,提出了基于多目标基因表达式编程的电路演化算法(MGEP:Multi-Objective Gene Expression Progra...     

复共线性空间数据回归模型挖掘算法及其实现

对复共线性空间数据回归模型的挖掘算法进行了研究，主要贡献包括：(1)提出了Е-复共线性的概念；(2)给出不满足不相关假设情况下的新算法；(3)空间分析中将预测模型的挖掘和GIS等技术进行融合，进而促进空间统计学的更广泛应用；(4)给出Е-MCL(Е-复共线性模型回归系数估计)算法。(5)在SQL Server 2000 Analysis Services平台上融合GIS技术实现了新算法，作了实验验证和性能分析。     

基于局部K-距离的靶场异常数据检测算法

航天靶场观测数据是鉴定运载火箭性能的重要依据,数据中的异常值严重影响数据处理的质量.传统的靶场异常数据处理方法不能适应日益提高的精度要求.为了解决这一问题,文章分析了测量数据中粗大误差的特点,提出了一种适合靶场观测数据的基于局部K-距离的异常数据检测算法LKD（Local K-Distance）.该算法通过计算对象与最近k个最近邻中的最大距离来分析数据对象的稀疏程度,从而检测异常值.实验结果证明,该方法简单快速,对粗大误差的检测有效率可达90%以上.     

HBase中时态查询语言

ＨＢａｓｅ是在ＤＯＳ／Ｗｉｎｄｏｗｓ下实现的时态数据库管理系统，其结构采用的传统关系数据库的时态扩展。讨论了它的语言风范、ＤＤＬ和ＤＭＬ语言的时态名法以及ＨＢａｓｅ实现中的特殊技术。     

E&AMode: 一种新的基于引擎粒子系统的图像渲染模式

本文分析了图像引擎粒子系统的传统实现方法的优劣，提出了一种称为发射源&影响者(E&AMode)的图像渲染模式，该模式实现了粒子系统模拟效果的多样性，粒子运动状态的动态性和结构设计的灵活性.本文介绍了新模式的基本结构、算法思想和实现方法.试验结果表明，发射源&影响者模式能够实现粒子属性的灵活设置，粒子运动状态的动态改变和模拟效果的多样性.     

基于划分和重分布的粒子群算法及优化策略

提出了一种新的基于划分和重分布的粒子群优化算法.新算法将粒子划分为普通和优化两类.普通粒子随机产生，速度快，侧重全局搜索；优化粒子紧随群体最优并且速度较慢，侧重局部收敛，以提高收敛精度.当群体最优未发生变更的时间过长时，在保持群体最优的同时将粒子重新分布，以摆脱过早的局部收敛.对典型函数的测试结果表明，新算法没有增加复杂度，在摆脱解的早熟和提高解的收敛精度等方面优于基本粒子群算法.     

E&AMode:一种新的基于引擎粒子系统的图像渲染模式

本文分析了图像引擎粒子系统的传统实现方法的优劣,提出了一种称为发射源&影响者(E&AMode)的图像渲染模式,该模式实现了粒子系统模拟效果的多样性,粒子运动状态的动态性和结构设计的灵活性.本文介绍了新模式的基本结构、算法思想和实现方法.试验结果表明,发射源&影响者模式能够实现粒子属性的灵活设置,粒子运动状态的动态改变和模拟效果的多样性.     

BTCS:基于二叉遍历的XML文档编码模式

XML文档数据的编码模式与索引技术决定了基于纯XML数据库的XML查询效率,在正则路径表达式实现方面有重要意义.基于树遍历的XML文档编码在更新与结构关系判断方面存在不足.为了解决此类问题,作者作了如下工作:(1)提出一种新的基于二叉树遍历的XML文档编码模式BTCS(Binary Traveling Coding Scheme);(2)实现了BTCS编码算法,支持XML文档更新,提高了编码更新效率;(3)在常数复杂度的时间内快速准确判断XML文档结构树中任意两个结点之间的父子以及祖孙关系,并能计算它们的辈数差(Distance of Genera-tions);(4)通过详细实验证明了BTCS编码模式的良好性能.     

δ-KCLR：基于优化初始簇的聚类算法及其应用

识别信贷风险是信贷业务中的重要环节。传统聚类算法依赖经验知识，借助简单数据进行判别，效率和准确率不能满足日益增长的信贷业务需求。本文从优化初始簇入手，提出了改进的聚类算法，提高了信贷风险识别效率及准确率。主要工作包括：（1）实现基于信贷特色的申贷数据集标准化算法，（2）提出δ-相似度度量概念（3）提出基于δ-K means的信贷风险识别算法δ-KCLR（δ-K-means-risk analysis of the bank credit）算法；（4）实验表明在银行信贷业务分析中，采用δ-KCLR算法可以有效识别隐含在信贷业务中的信贷风险。用这一模型可指导或预测新增贷款人中是否存在贷款风险。