城市突发公共事件应急管理平台研究

为了提高对突发公共事件的响应速度和效率,解决各参与者的信息无法有效对接的问题,本文研究并设计了城市应急突发公共事件管理平台系统。系统采用JSP技术和SSH框架,增加了系统的灵活性、扩展性、稳定性、安全性和健壮性。应用证明,系统在一定程度上满足了应急相关部门的要求,提高了应急处置的效率。     

基于频繁模式树的约束最大频繁项目集挖掘算法研究

目前绝大多数频繁项目集(或最大频繁项目集)挖掘算法并没有考虑相关领域知识,其结果会产生许多无关的模式.因此,发现约束频繁(或约束最大频繁)项目集是多种数据挖掘应用中的关键问题,然而,这方面的研究工作却很少.为此该文提出了一种快速的基于频繁模式树(FP-tree:一种扩展前缀树结构)的约束最大频繁项目集挖掘及其更新算法.实验结果表明该算法是快速有效的.     

一种基于粗糙集的数据分类方法

应用粗糙集理论的属性约简和规则约简方法对数据进行分类,并以可靠的数据对该方法进行了实验.结果表明,该方法复杂度低,且能有效提高分类效果.     

多分类器组合的投票表决规则

为了提高多分类器组合的效果 ,提出了一种改进的投票表决规则 .每个分类器对每个模式类别的识别能力不尽相同 ,通过对大量样本的统计 ,获得有关每个分类器识别性能的先验知识 ,将其作为投票表决的依据 .投票表决时每个类设置不同的表决阈值 ,使组合效果得以改善 .这些阈值可以通过训练获得 .在数字识别系统中的实验结果表明 ,该方法使多分类器组合的识别率和置信度明显提高     

基于0-1矩阵的时空关联规则提取方法研究

基于Apriori算法提出了基于0-1矩阵的时空关联规则挖掘算法,并以挖掘不同年代的土地覆盖现状之间的时空关联关系作为试验案例,对比Apriori算法的提取结果和提取效率,研究结果表明:该算法不仅减少了扫描数据库的次数,而且减少了冗余候选项集的产生,提高了时空关联规则的提取效率.     

基于非负矩阵分解与邻接谱的图像分类

提出了一种非负矩阵分解（non-negative matrix factorization,NMF）和邻接谱相结合的图像分类方法．该方法首先利用图像中的特征点构造邻接矩阵,然后使用邻接谱作为非负矩阵分解迭代规则的初始值,并将经过非负矩阵分解得到的基向量作为图像的分类样本,最后采用概率神经网络（probabilistic neural network,PNN）分类器对图像进行分类．模拟实验和真实实验的比较表明,该方法是可行和有效的,并且进一步提高了图像分类的准确率和稳定性．     

基于知识的关系聚类用于对象化事务处理

针对ＤＳＳ和ＭＩＳ中一类涉及多个关系表的过程性事务处理问题,利用人工智能的框架知识表达范式表达类知识,在此基础上进行关系表的聚类并按产生式规则进行事务处理,在一定程度上较好解决了问题的求解．同时给出了求解的实例．     

基于混合模型的多重故障诊断

介绍了基于模型的多重故障诊断，它可通过ＡＴＭＳ来实现，能克服基于规则的诊断系统的一些局限性，但当运行模型和故障模型同时被运用或者等级模型被运用时，普通ＡＴＭＳ不能处理这种情况．本文应用分层ＡＴＭＳ来实现基于混合模型的故障诊断方法，同时给出广义最小诊断的定义，从而克服关于最小诊断定义中的不足．由于分层ＡＴＭＳ能表示和处理论据之间的优先级，因而能运用混合模型，能结合基于模型和基于规则的诊断，及提高诊断效率．     

预防性环境公益诉讼中“重大风险”的认定规则建构

“重大风险”的认定是预防性环境公益诉讼的核心。从现有的法律、司法解释和司法案例可以看出,对预防性环境公益诉讼中“重大风险”的认定存在诸如认定资格主体模糊、举证责任承担规则不明、与科学技术缺乏有效衔接以及风险内容不全面等问题。因此应明确和细化“重大风险”的定义,着重理解“重大”的程度,坚持预防为主原则,框定人民法院为唯一认定资格主体,明确双方共同举证应当与认定事实的盖然性标准相结合,在提升鉴定能力的同时促使同领域对认定标准达成普遍性的共识,合理限定相关风险要素和重要区域范围,以此完善“重大风险”的认定规则,助力预防性环境公益诉讼司法实践。     

基于模糊聚类规则的网络性能分析方法

利用模糊聚类方法对网络性能进行分析,解决了网络性能分析数据自动聚类分析问题.重点探讨了网络性能分析数据的数据模型的建立和聚类过程,以及根据隶属度函数确立了数据对象的隶属关系,并给出了一个具体的模糊聚类算法.