网上虚拟教室中笔记系统的设计与实现

随着计算机网络的发展,网上教学成为当今计算机辅助教育的研究热点,而对于一个完善的网上虚拟教室系统,笔记系统是不可缺少的。文章着重论述了利用JAVA及JDBC对笔记系统的设计与实现,并提出了利用人工智能领域中的不确定推理等知识,根据学生感兴趣的主题词,主动进行信息获取服务。     

模糊聚类神经网络的非对称学习算法

通过仿真和分析表明模糊聚类神经网络原有学习算法FCNN的局限性,如初值敏感性、吸引域不灵活和稳定点不合理等;指出造成上述局限的原因主要在于算法的对称性和权值向量的修正缺乏协同。为此,通过在网络模型中引入层内反馈、在算法中引入加速项,消除了算法的对称性并使权值向量的修正具有一定的协同性;通过改进算法结构,消除了小尺度振荡现象并使算法的稳定点趋于合理。计算机仿真结果表明改进后的非对称学习算法AFC可以有效克服原有算法的不足并具有较高的收敛速度。     

基于神经网络的时间序列鲁棒预测

为了实现神经网络预测模型的便棒预测,提出一种基于非线性偏自相关的一般化预测模型辨识方法。该方法通过考察待预测时间序列的当前序列值对各阶历史序列的不可约自依赖,确定神经网络这类非线性自回归模型的自回归阶数。实现表明,该方法可有效地提高神经网络预测模型的鲁棒预测能力。     

基于k-means和半监督机制的单类中心学习算法

提出了一个基于k means算法框架和半监督机制的single means算法,以解决单类中心学习问题。k means算法实质上是对一种混合高斯模型的期望最大化（EM）算法的近似,对该模型随机生成的多类混合数据集,从目标类中随机标定的初始中心出发,能确定地收敛到该类的实际中心。将single means算法应用到对单类文本中心学习问题中,实验结果表明：在给定目标类中的小标定文本集后,新算法能够有效地改进类的初始中心,且对数据稀疏和方差较大的实际问题具有健壮性。     

基于UML的网络智能答疑系统分析与设计

答疑系统是网络教育平台的重要组成部分，它在加强师生交流、帮助学生明确问题所在，并获得自己真正需要的答案信息等方面具有不可或缺的作用。本旨在于提供一个智能答疑系统，帮助远程教育的学习者消除学习中的障碍。系统基于UML进行分析和设计，建立相应的数据库，同时引入智能Agent技术实现各个动态用例，使答疑解惑的过程变得轻松、自如、实时、便捷。     

支持Web Services语义组合的框架IRS-Ⅱ：分析与讨论

Web Services是基于Internet进行分布式计算的基本元素，面向Service的计算将成为未来计算技术发展的趋势。但如何能够自动发现需要的Service资源，提高Web Services组合的智能化程度，是近来的研究热点之一。IRSⅡ首先提出基于任务本体的Service发布、发现和组合方法，可以说是将Service发现和组合从语法的层次提升到了语义的层次。本文首先深入分析了IRS-Ⅱ提出的方法及其体系结构，然后对web Services的智能检索和服务组合的问题进行讨论。     

一种基于窗口的快速聚类算法——F-CABDET

提出了一种基于窗口的快速聚类算法——F-CABDET（Fast Clustering Algorithm based on Building a DEnsity-Tree）。该算法采用基于窗口的计算方法将全局计算转化为局域计算，大幅度提高了计算效率，降低了程序的执行时间，并取得了满意的聚类质量。同时F-CABDET仅需要一个输入参数，在聚类过程中采用动态邻域半径不仅可以发现任意形状的簇，而且具有处理噪音数据的能力。实验结果表明了F-CABDET算法的有效性。     

支持Web Services语义组合的框架IRS-Ⅱ：分析与讨论

Web Services是基于Internet进行分布式计算的基本元素,面向Service的计算将成为未来计算技术发展的趋势.但如何能够自动发现需要的Service资源,提高Web Services组合的智能化程度,是近来的研究热点之一.IRS-II首先提出基于任务本体的Service发布、发现和组合方法,可以说是将Service发现和组合从语法的层次提升到了语义的层次.本文首先深入分析了IRS-Ⅱ提出的方法及其体系结构,然后对Web Services的智能检索和服务组合的问题进行讨论.     

基于网站结构挖掘的Web文档自动分类

对Web文档进行人工分类可以达到准确的分类效果，但需要大量的时间和人力的投入。传统的基于特征向量的分类方法准确性较低，文中提出把挖掘网站的拓扑结构和现有的文档分类方法相结合，并根据扩展网页的特征提取，挖掘出单个网站的分类模式，再将多个网站的分类模式进行综合，生成搜索引擎的分类模式。     

Web挖掘中的用户识别与虹膜识别技术

提出引入生物信息技术解决Web挖掘中的用户识别问题的设想及基于隐马尔科夫模型的虹膜识别方法,该方法仅需要虹膜的方向域作为输入参数,对虹膜图像的噪声与扭曲并不敏感,从而使该方法具有鲁棒性的特点。通过准确识别用户,克服了现有Web体系无状态的缺陷,可以实现对Web日志数据按“用户维”进行切片,使挖掘出的结果能够满足对用户个性化使用的需求。