实用高效的垃圾邮件过滤算法

为了提高电子邮件中垃圾邮件的过滤准确率和效率,以朴素贝叶斯算法和K最近邻(KNN：K-Nearest Neighbors)算法为基础,对传统垃圾邮件过滤算法进行改进,给出邮件的合法属性和非法属性的概念,并提出一种新的分类算法--基于邮件合法属性和非法属性的分类算法（SEASF：Simple and Efficient Algorithm to Spam Filter based on legitimate attribute and nonlicet attribute)。SEASF计算复杂度较低,可适用于大规模场合及邮件的在线过滤。将SEASF算法应用于垃圾邮件过滤的结果表明,该算法可大幅度提高分类精度,分类速度也令人满意。     

CDMA信号前向链路频谱增生和邻道功率比估计

利用幂级数和和高阶累计量的统计方法,估计出基于IS-95模型CDMA(码分多址)信号前向链路通过弱非线性RF功率放大器产生的频谱增生和邻道功率比的严谨表达式,由此获得了经该放大器特征模型变换的输出信号自相关函数的解析表达式.用三阶截断点IP3表征了包含带内和带外电抗的记忆效应三阶非线性.估计方法是基于CDMA信号前向链路时域模型,其信号的功率谱密度和其他统计特性均由该模型导出.频谱增生和邻道功率比的估计结果可直接用于工程设计,这对于确定射频功率放大器最佳的工作条件有其重要参考价值.     

双波长分光光度法测定对一氨基苯胂酸中的邻一氨基苯胂酸

研究了不同酸性介质中邻一氨基苯胂酸（简称Ｏ－ＡＡ）和对－氨基苯胂酸（简称Ｐ－ＡＡ）的吸收光谱。建立了双波长分光光度法在０．３０ｍｏｌ·Ｌ－１ＨＣＩ介质中测定Ｏ－ＡＡ的新方法，己应用于作为饲料添加剂用的Ｐ－ＡＡ中微量Ｏ－ＡＡ的测定，得到满意的结果。     

本期导读

正第二期主要报道生物技术应用和海洋环境栏目,其中生物技术应用是本期的热点,重点介绍了海洋细菌中活性次生代谢产物和苯甲酸降解途径及转化生产粘康酸的研究进展。海洋细菌次生代谢产物的研究在国际上始于20世纪80年代,90年代后期进入快速发展阶段,而国内在年代后期才起步现已报道的海洋细菌次生代谢产物可分为生物碱黄酮     

N-甲氧基-N-2-甲基苯基氨基甲酸甲酯的合成工艺研究

对以邻硝基甲苯为主要原料,经锌粉一氯化铵溶液还原、氯甲酸甲酯酰基化、硫酸二甲酯甲基化合成N-甲氧基-N-2-甲基苯基氨基甲酸甲酯的工艺路线进行了研究．重点考察了还原反应中溶剂种类、还原温度对反应的影响以及N-羟基-N-2-甲苯氨基甲酸甲酯的纯化方法．N-羟基-N-2-甲苯基氨基甲酸甲酯、N-甲氧基-N-2-甲苯基氨基甲酸甲酯均经MS。^1HNMR确认．     

对二甲氨基苯甲酸的合成研究

以对二甲氨基苯甲醛和硝酸银为原料,合成了对二甲氨基苯甲酸,最传教条件是：反应温度为60℃,对二甲基苯甲醛和硝酸银的摩尔投料比为1：2,反应时间24h ,溶液氢氧化钠水溶液的浓度为7％,产品收率为79．2％。     

氨基醇催化苯乙酮的不对称还原反应

由天然氨基酸合成了7个手性氨基醇,并对其在NaBH4/BF3.Et2O还原苯乙酮的反应中的不对称催化性能进行了研究.还原反应在30℃下进行,氨基醇的用量为苯乙酮的物质的量的10%.所取最好结果为(S)-α,α-二苯基-2-吡咯烷甲醇催化苯乙酮的还原反应获得了90%的化学产率和70.4?.结果表明:这些氨基醇催化NaBH4/BF3.Et2O还原苯乙酮可以获得很高的化学产率和低到中等的对映选择性.     

一种新的基于伪最近邻算法的降水预报方法

分析北京地区日降雨量资料,相较于其他降雨事件,大雨或暴雨事件发生的次数较少,因此该地区的降水量预报属于样本不均衡问题。在样本不平衡的情况下,K最近邻(PNN)算法的分类误差率将会大大提高,这也就使传统的基于K最近邻算法的降水量预报方法的应用受到了限制。针对北京地区降水量预报这一样本不均衡问题,应用伪最近邻算法构建了北京市的降水量预报模型。该方法利用北京地区日降雨量资料和美国国家环境预报中心全球格点资料,将降雨量作为类,将美国国家环境预报中心全球格点资料的各种因子场作为天气样本特征,通过决策规则实现最优分类。利用提出的降水预报模型对北京地区2010年6~8月进行了24 h降水预报,实验结果表明,提出的预报方法对于降水等级预报的预报准确率以及晴雨预报的TS评分、正样本概括率和漏报率均优于传统的K最近邻预报方法,该方法具有较好的预报效果。     

一种提高文本聚类算法质量的方法

针对基于VSM(vector space model)的文本聚类算法存在的主要问题,即忽略了词之间的语义信息、忽略了各维度之间的联系而导致文本的相似度计算不够精确,提出基于语义距离计算文档间相似度及两阶段聚类方案来提高文本聚类算法的质量.首先,从语义上分析文档,采用最近邻算法进行第一次聚类;其次,根据相似度权重,对类特征词进行优胜劣汰;然后进行类合并;最后,进行第二次聚类,解决最近邻算法对输入次序敏感的问题.实验结果表明,提出的方法在聚类精度和召回率上均有显著的提高,较好解决了基于VSM的文本聚类算法存在的问题.