基于粗糙集的决策树集成学习算法

【目的】为提高决策树集成的泛化能力和效率,解决集成全部决策树的情况下有时并不显著提高精度、反而导致额外存储和计算开销的问题,提出一种基于粗糙集的决策树集成学习算法。【方法】该算法基于粗糙集理论,从训练的全部决策树中选择一部分进行集成。【结果】与目前流行的集成学习算法Bagging和Boosting相比,本文提出的算法有效地减小了集成规模,并获得更好的泛化能力。【结论】该算法提高了决策树集成的泛化能力和效率。     

纳西象形文英语输入法的设计与实现

针对纳西象形文信息化程度较低这一现状,提出了一种在Windows环境下纳西象形文英语输入法的设计方案.介绍了利用TrueType字体技术建立象形文字库的过程,详细阐述了英语输入法的设计和实现步骤.     

基于集成学习的网页分类算法

网页分类需要使用标记网页对分类算法进行训练,然而,对网页进行标记的过程既费时又费力.随着web的快速发展,获得未标记网页已经变得相对容易.为了有效地利用未标记网页来提高网页分类的性能,提出了一种基于集成学习的网页分类算法,迭代运行支持向量机、中心分类器和朴素贝叶斯分类器,并对各分类器的预测进行集成,不断地从未标记集中对网页进行标记后用于训练.实验结果表明.提出的算法有效地提高了网页分类的性能.     

一种基于J2EE平台的AES构架的研究与实现

针对基于Web的AES(农业专家系统)的开发效率和质量问题,提出了一种在J2EE平台上实现的AES构架.阐述了AES构架的设计和实现.