基于一类分类方法的多类分类及其应用

在分析一种非线性数据处理新方法的核心概念基础上,研究了基于一类分类方法的多类分类基本原理,提出了应用于多类分类的可信度函数,使聚类与分类的结果更具有可信度．最后,以某企业对供应商关系的调查数据为例,将这种方法应用于企业商业关系网络分析中．结果表明了该方法的有效性．     

水中氟的快速测定

研究了在氟离子作用下能使其变色的显色体系,经试验选择了一种显色体系配以酸度调节剂、掩蔽剂、表面活性剂等,以层析纸为载体制成氟试纸,并对试纸的性能进行了试验,确定其使用方法和储存条件,实际水样用试纸法和国标法比较,测定结果基本符合,误差在半定量分析允许范围内。     

基于数据库系统对岩石成因分类及在围岩分级上的应用

结合工程中常见的地质岩石,通过岩石的一些表观特性,把数据库编程和传统工程地质学结合起来.数据库采用SQlite,并以VisuaL Basic语言为平台进行开发,运用计算机编程技术建立一个中型岩石数据库,并把检索到的岩石进行围岩分级计算,实现工程上的运用.     

基于题库信息的智能组卷算法

在分析了现存的智能组卷算法的基础上,提出了基于题库信息的智能组卷算法,算法通过对题库中试题信息的充分利用,有效的提高了组卷成功率和组卷的质量。     

DBSCAN算法在高性能计算中心用户分类的应用研究

为提高集群资源使用效率,管理员需要对用户进行分类,从而对不同用户提出资源使用策略.DBSCAN(Density Based Spatial Clustering of Applications with Noise)聚类算法可对用户进行分类,但对初始参数敏感.为此,提出改进算法,首先将密度进行层次划分,由此得出各层次的密度阈值,在每种阈值下采用DBSCAN算法,解决全局参数问题.在此基础上,创新地使用一个直接可达距离排序队列,将排序信息作为可变参数,减小初始参数对结果的影响.通过高性能计算中心用户数据的实例验证了其可行性.实验结果表明,改进后的算法提高了用户分类的准确性和全面性.     

DBSCAN算法在高性能计算中心用户分类的应用研究

为提高集群资源使用效率, 管理员需要对用户进行分类, 从而对不同用户提出资源使用策略。DBSCAN(Density Based Spatial Clustering of Applications with Noise)聚类算法可对用户进行分类, 但对初始参数敏感。为此, 提出改进算法, 首先将密度进行层次划分, 由此得出各层次的密度阈值, 在每种阈值下采用DBSCAN算法, 解决全局参数问题。在此基础上, 创新地使用一个直接可达距离排序队列, 将排序信息作为可变参数, 减小初始参数对结果的影响。通过高性能计算中心用户数据的实例验证了其可行性。实验结果表明, 改进后的算法提高了用户分类的准确性和全面性。     

四川省阿坝藏族羌族自治州农业经济类型划分研究

通过确定能全面反映农业经济状况的各项指标，运用因子分析和聚类分析方法，对四川省阿坝藏族羌族自治州农业经济类型进行划分，将该州13个县划分为5类，并分析了各类型区的特征及发展对策．     

社群网络中基于链接分类的研究与应用

由于在互联网、电信、生物信息、社会网络分析等领域可获得的链接丰富的数据日益增多,链接挖掘已经成为数据挖掘的研究热点。基于链接分类是链接挖掘的一个重要方向。在此以电信领域用户通话特征数据为对象,研究了基于链接分类技术及其在电信客户流失预测的应用方法,在提取并分析大规模客户呼叫图的极大团、结点膨胀率、结点聚集度等与节点稳定性相关的链接属性及其时变特征的基础上,提出了一种适合海量数据的基于链接的电信客户流失预测算法。实验结果表明,此算法较传统分类算法能提高客户流失预测性能,实现了基于链接分类方法的成功应用。     

基于自组织映射网络的智能组卷系统

自动组卷是计算机辅助教学的重要研究内容,其中智能算法是技术关键问题,论文分析了现存组卷系统的基础上,提出了采用自组织特征映射网络智能组卷算法,具体化表明,该算法能有效地解决试题库研究中的智能组卷问题,具有较好综合性能。     

秦岭及其他地区蝽科分类研究(半翅目:蝽科)

半翅目异翅亚目(Hemiptera Heteroptera)是昆虫纲中的一个较大的类群,全世界已知为30000种,中国半翅目已记录的种类共计3100种,我国现在已查明的蝽科有400种.应用形态分类学方法及聚类分析法对秦岭地区蝽科昆虫进行了分类研究,共记载了6亚科38属56种,其中有2属3种为陕西省新记录.根据分类研究编写了种的检索表,对种间的亲缘关系进行了聚类分析.