基于中心加权的局部核向量机算法

为了解决大规模非线性分类中局部学习的不平衡性问题,提出一种改进的局部支持向量机算法,在高维特征空间中聚类后,为每一个簇构造局部非线性支持向量机。为了克服簇内样本的分布不均衡问题,根据闭合超平面不规则边界的几何特点,经过梯度下降寻找稳定均衡向量,以此构造簇几何中心;再结合簇密度中心共同约束类心形成双重加权中心。然后通过求解加权最小闭球问题实现对大规模样本向量的分类。对照实验显示,除了个别数据集以外,改进的算法在训练时间、测试时间以及测试精度等方面都比另外两种分类算法表现更佳。     

基于Web2．0的高校毕业论文评阅系统设计与实现

传统的以人工管理打印的纸质毕业论文的方式,严重制约了毕业论文的评阅进程。因此,设计并实现了一种基于Web的集用户统一登录、学生论文提交、导师／学院审核查重、专家指派以及专家评阅等功能于一体的高校毕业论文评阅系统。该系统考虑到云时代网络特点,采用跨平台的网络架构,前端界面采用了自适应网页设计,支持移动交互式访问。该评阅系统的应用,能够有效地提高工作效率,并可实现无纸化办公。     

基于陷阱层次的预处理寻路算法

针对当前寻路算法不能很好满足某些实时性应用中需要快速找到最短路径的要求,提出一种基于陷阱层次预处理的寻路算法。通过在预处理阶段探测出陷阱,即在实际搜索中并不需要的区域,在进行路径搜索时削减掉这些区域,使得无用空间的探索大幅度减少,提高了搜索效率。实验结果表明,该算法不但显著地减少了节点数的扩展,节约了搜索时间,而且保证了路径寻找的最优化,对于提高寻路算法的性能是一个切实可行的解决方案。