基于加权社区检测与增强人工蚁群算法的高维数据特征选择

为了提高高维数据特征选择的时间效率、降低特征选择的冗余度与不相关性,提出一种基于加权社区检测与增强人工蚁群算法的高维数据特征选择算法。设计加权的社区检测算法,将特征相似性作为社区划分的模块度,根据特征判别力为社区分配不同的权重;通过人工蚁群算法并行地处理每个特征分类,将每个特征分类按优劣程度组成队列;选出每个队列的top-k特征子集做全局比较,提取全局最优的特征子集。仿真实验结果表明,该算法对于高维数据集实现了较好的特征提取结果,并且实现了合理的时间成本。     

一种改进的Apriori算法在教学质量分析中的应用

提出了一种基于支持度计数矩阵（Support Count Matrix）和事务布尔矩阵（Transaction Bool Matrix）的关联规则挖掘算法TB-SCM,此算法只需要扫描一次数据库来生成支持度计数矩阵和事务布尔矩阵,通过扫描这两个矩阵就可以得到频繁模式的完全集,并产生满足最小支持度和最小置信度的强关联规则．并把该算法用来分析教学效果与教师的性别、年龄、职称、学位等因素关联,为教学部门提供决策支持信息,更好地提高教学质量．     

基于XML的知识集成中间件系统实现

基于XML的中间件技术与知识集成相结合,设计了一个基于XML的知识集成中间件系统结构,并详细讨论了系统主要功能模块的实现方法。     

基于XML的知识集成中间件系统实现

基于XML的中间件技术与知识集成相结合，设计了一个基于XML的知识集成中间件系统结构．并详细讨论了系统主要功能模块的实现方法。