基于弱监督对比学习的弱多标记特征选择

多标记特征选择已被广泛应用于医疗诊断、模式识别等领域，然而现实中的数据往往存在维数灾难以及标记大量缺失等问题，现有的弱多标记特征选择算法又普遍易受缺失标记和噪声的干扰，使算法模型难以准确地选择重要特征．针对上述问题，提出一种用于弱多标记数据集特征选择的弱监督对比学习方法，旨在缺失和含噪声标记数据集中选择优质特征，同时挖掘少量人工标注数据中潜在的类间对比模式．该方法包括三个步骤：首先，设计一种弱监督预训练策略，通过利用实例相似性以及稀疏学习方法获取每个类标记类属属性，用于恢复缺失标记；其次，引入对比学习策略来捕获少量有标记数据的对比模式来削弱噪声数据的影响；最后，选取10组多标记数据集以及四个评价指标进行实验.实验结果证明，与多个先进多标记特征选择算法相比，提出的方法分类性能更优．     

广义多尺度决策系统的局部最优粒度选择

在实际应用中,人们常常选择比较合适的粒度层次来解决相应的问题。在经典的多尺度决策系统和粒度层次构造过程中,属性取值常由人工选择某些固定粒度层次。本文针对广义多尺度决策系统,由属性取值的尺度组合来构造粒度层次,进而研究局部最优粒度的选择问题。首先,介绍了广义多尺度决策系统的概念。然后,在协调的广义多尺度决策系统中定义了最优粒度和局部最优粒度,并给出了基于属性组合的最优粒度与局部最优粒度的选择算法。最后,在不协调的广义多尺度决策系统中引入了广义决策,定义了广义决策最优粒度和广义决策局部最优粒度,并给出了基于广义决策最优粒度与广义决策局部最优粒度选择算法。     

多级互连网络中的任务分配

讨论了在多级互连网络中的任务分配方法,指出了外部冲突和内部分割是基于多级互连网络系统主要的瓶颈问题;提出了基于BR网络的分配方法,该方法能用于多级互连网络系统中任意立方任务的分配。对于非立方任务的分配,给出了一种基于二分思想的分配方法。     

一种基于XML的信息系统

随着Internet技术的发展与应用的深入，结构化地组织Internet上的信息将变得越来越重要。本文提出了一个基于XML的拖网绞机信息的结构化组织与Internet信息发布模型，论述了所研制的拖网绞机信息系统的基本原理和关键技术等。     

教师教育技术多媒体培训系统的设计与实现

提出了一个虚拟的教育技术培训系统的模型,阐述了系统的总体结构、功能。介绍了基于Authorware设计及功能实现的技术,对制作同类系统具有一定的借鉴和参考价值。     

利用ASP开发基于Intranet的MIS

人类已经进入了信息时代,计算机网络已广泛应用于各行各业。许多企业建立自己的Ｉｎｔｒａｎｅｔ或联入Ｉｎｔｅｒｎｅｔ。当他们将信息纳入到Ｉｎｔｒａｎｅｔ／Ｉｎｔｅｒｎｅｔ的框架之后,面临一个共同的问题：如何通过Ｗｅｂ页面来访问后台数据库中的信息。目前,通过Ｗｅｂ页面来访问后台数据库的方法有多种,例如：ＣＧＩ、ＩＳＡＰＩ、ＪＤＢＣ等。ＡＳＰ（ＡｃｔｉｖｅＳｅｒｖｅｒＰａｇｅｓ）是Ｍｉｃｒｏｓｏ且公司为ⅡＳ３．０以及ＭＳＰｅｒｓｏｎａｌＷｅｂＳｅｒｖｅｒ等Ｗｅｂ服务器开发的动态站点设计技术,它具有动态、…     

Benes网络中路径特性的探讨

近年来,为了解决处理大量数据的速度问题,提出了重叠、流水、缓冲等新技术。虽取得了一定的效果,但单处理机本质上是串行执行的,无法从根本上得到解决。于是人们把用户程序通过编译和划分,分成多个进程,分配给不同的处理机。而进程的通信则通过由交换单元和链路组成的互连网络来实现。到目前为止,已形成许多典型的网络结构,如：基准网络、 Omega网络、 Filp网络、超立方体网络、榕树网络、蝶形网络等等。 Benes网络是一种新型的网络结构,本文主要对 Benes网络及其路径特性进行了探讨。 1 Benes网络 　　Benes网络是一种多级互连…