一种基于关联规则的搜索引擎结果聚类算法

提出一种搜索引擎结果的聚类方法，采用关联规则方法确定网页文档中的显著短语，并把这些显著短语作为对相应聚类的描述，聚类中包含的文档就是显著短语所关联的文档，然后对形成的聚类按照相关度分数进行排队，最终把结果展现给用户.     

基于互信息的粗糙集信息检索模型

在信息检索过程中，由于文档中存在大量的多义和近义现象，导致不确定性出现，这将影响检索的性能.为此采用基于互信息的粗糙集理论来处理这类不确定性问题.首先计算训练文档集中的词之间的互信息，对互信息做模糊聚类来构造词之间的等价关系，然后借助于该等价关系提出并实现了一个以粗糙集上下近似为基础的信息检索模型，通过实验的测试，该模型能够提高信息检索的效率.     

教育科研类教育主题网站的典型站点分析及策划方案

借助理论分析与实例研究相结合的方法,分析探讨了教育科研类教育主题网站的构建,选取了典型站点对其策划过程进行了分析,并且从网站定位、需求分析、功能模块、信息资源设计、栏目策划等方面入手提出了一整套这一类型网站的可供参考的策划.     

基于OODM的信息系统开发方法

OODM是当今软件界研究的一个热点.相对于传统数据模型,OODM对现实环境的描述更接近于人们的思维方式.结合OODM的特点,对某企业信息系统进行分析建模,给出了OODM的构建方法.     

基于可逆RS码的第Ⅱ类多进制混合ARQ及其性能分析

针对二进制第Ⅱ类混合自动请求重传差错控制系统流量偏低的问题,提出了基于Reed-Solomon(RS)码的多进制混合自动请求重传方案.该方案将信息经RS码编码后,采用多进制调制,信息部分与校验部分分开传输,码的可逆性使得仅由无误的校验部分便可恢复出信息,利于提高流量.数值结果表明,该方案在Rician衰落信道下的流量比传统的二进制方案有了明显提高,同时可靠性依然保持与二进制方案相同的水平.     

基于模糊划分的神经网络集成

基于模糊聚类思想,提出了一种神经网络集成方法.由训练数据的模糊聚类结果,把训练数据划分成相交子集,基于各子集生成集成的个体神经网络.由于各子集所包含的数据和数据的类别各不相同,因而个体神经网络性能和结构存在差异.子集个数确定集成中个体神经网络个数.另外,基于隶属度函数计算公式,提出了个体神经网络输出结论结合方法.理论分析和实验结果表明,此方法对模式分类能取得较好的效果.     

一种新的分类方法——属性均值聚类属性支持向量机(AMC-ASVM)

在属性均值聚类(AMC)与支持向量机(SVM)的基础上,提出了一个新的模式分类算法——基于(属性)聚类的属性支持向量机算法(AMC-ASVM)。主要思想是利用属性均值聚类网络得到的具有概率信息(权重)的样本,来训练属性支持向量机,从而得到分类器。这种方法结合了属性聚类的稳定性与属性支持向量机可以利用加权样本的优点,适合处理具有强噪声的数据。另外,该方法也可以看作是堆近邻分类法的自然推广。在实验部分,将其用于结肠癌基因表达数据的处理。实验结果显示了AMC-ASVM在一定程度上优于最近邻,Boosting,堆近邻,SVM等方法。     

基于模糊C均值聚类的粗集理论连续属性的离散化新算法

讨论模糊C均值聚类算法在决策表条件属性对决策属性的相容程度的指导下对粗集理论中的连续属性进行离散化的一种新算法。该算法充分考虑属性之间的相关性，将所有连续属性转化为矩阵同时处理，能明显提高传统动态层次聚类算法离散化过程的速度。算法测试结果表明，新算法能较好地保留有效属性，提高离散化精度。     

一种动态调整的混合蚂蚁聚类算法

设计和实现了一种改进的蚂蚁聚类算法.基于海上空袭目标攻击方向划分问题,分析了传统的聚类算法解决此类问题的不足,提出了一种动态调整的空袭方向划分混合蚂蚁聚类算法.该算法能充分利用空中目标信息动态调整参数,以获取合理聚类数和加速算法收敛,对孤立数据处理的鲁棒性较强.用人工数据集和真实数据集进行实验.结果表明,该算法是一种高效率的聚类算法,提高了空袭方向划分的准确性和科学性.     

MD110程控交换机的话务限制

针对在日常使用和维护MD110程控交换机时,经常需要进行话务限制的情况,主要介绍了MD110程控交换机进行话务限制时所需的3个参数(TCD类别、话务连接矩阵、用户组CUST),给出了话务限制数据的设置原则和编写步骤,对实际工作中存在的问题加以举例说明,并给出了相应的解决方法,力求做到全局话务持续限制合理有效,使系统运行可靠稳定。