PowerBuilder7.0应用程序发布方法的研究

应用程序发布是软件系统开发中的重要环节。该文研究PowerBuilder7.0应用程序的发布方法,讨论以ODBC为数据库接口的应用程序的发布原理。文中主要介绍了系统文件的组织和注册表的配置。总结出了PB7.0应用程序发布时所需的系统文件,阐述了配置注册表的方法。     

基于增量切空间校准的自适应流式大数据学习算法

流形学习是为了寻找高维空间中观测数据的低维嵌入.作为一种有效的非线性维数约减方法,流形学习被广泛应用于数据挖掘、模式识别等机器学习领域.然而,对于样本外点学习、增量学习和在线学习等流形学习方法,面对流式大数据的学习算法时间效率较低.为此提出了一种新的基于增量切空间的自适应流式大数据学习算法(self-adaptive streaming big data learning algorithm based on incremental tangent space alignment, SLITSA),该算法采用增量PCA的思想,增量地构造子空间,能在线或增量地检测数据流中的内在低维流形结构,在迭代过程中构建新的切空间进行调准,保证了算法的收敛性并降低了重构误差.通过人工数据集以及真实数据集上的实验表明:该算法分类精度和时间效率优于其他学习算法,可推广到在线或流式大数据的应用当中.     

基于SVM的多类代价敏感学习及其应用

标准的分类器设计一般基于最小化错误率.在入侵检测等问题中,不同类型的错分往往具有不等的代价.通过在支持向量机的类概率输出中引入代价敏感机制,提出了3种基于最小化总体错分代价设计分类器的方法.实验结果表明通过改变代价矩阵,能在漏报率、误报率及稀有类样本的错误率之间调节,从而保证在误报率尽可能小的情况下降低漏报率和稀有类样本的错误率,以减少总体错分代价.     

认识Java

一、Java是什么 Java是由SUN公司开发的新一代编程语言,自从1995年5月SUN公司正式发布Java语言规范以来,其发展的势头连SUN公司本身也没有料到。今天,它不仅仅是一种语言,而且在形成一门Java技术,内涵包括以下几方面。(1)Java软件包括Java语言及其编程技术、Java操作系统JavaOS、Java开发环境与工具、Java语言的各种软件包、数据库接口JDBC等;(2)Java虚拟机及其规范;(3)Java嵌入技术(Java芯片):将Java技术及其实现做在一块芯片上,基于Java     

利用逆规范化实现关系模式向XML模式的语义转换

目前将关系模式转换为XML模式的方法往往不能保留数据库中原有的语义信息,为此对基于语义的关系模式向XML模式转换方法进行研究,提出了利用逆规范化实现基于语义的关系模式到XML模式转换方法.该方法映射关系模式到关系模式图,由关系模式图得到符合连接条件的表集合,根据关系类别在存在关联的关系模式之间建立连接,用一个结构复杂的关系取代几个结构简单的关系,按照不同的数据依赖关系将连接表和非连接表转换为不同结构的XML schema,将所有XML schema整合成一个XML schema.实验表明该方法对于保留语义约束、加强数据耦合可行有效.     

基于语境信息的组合型分词歧义消解方法

提出了相对词频的概念,据此建立了语境计算模型,利用歧义字段前后语境信息对组合型分词歧义进行消解。对高频出现的5个组合型分词歧义进行实验,平均准确率达到95%以上,证明该方法对于消解组合型分词歧义具有良好效果。     

Web挖掘技术研究

对Web挖掘技术作了全面论述，介绍了Web挖掘的分类和应用，给出了Web数据模型，探讨了Web内容挖掘，Web结构挖掘以及Web日志挖掘的基本思想和方法。     

群智能算法的理论及应用综述

群智能是由自然或人造的分散自组织系统所表现出来的集体智能.群智能包含一组简单的个体,其中个体与个体、个体与环境之间存在局部交互行为.虽然个体遵循非常简单的规则,但是微观的交互最终还是导致了宏观的智能行为.在本文中,我们对典型群智能方法的起源、发展、理论、技术、应用等做了深入的研究,包括了蚁群优化、粒子群优化、人工蜂群、细菌觅食优化、萤火虫共五类算法.文末提出群智能发展的六个方向.     

基于条件信息熵的网络攻击特征选择技术

用知识的条件信息熵定义了特征的相对重要性,建立一种基于条件信息熵的网络攻击特征选择算法,选出的特征属性不仅可以大大减少数据在存储、分析以及各组件共享中的代价,还能够降低构建神经网络系统的复杂性,简化训练集,减少检测时间,保持并提高入侵分类的准确性.     

空间聚类技术研究综述

空间数据挖掘是一种获取空间数据所蕴含知识的方法和技术.空间聚类是空间数据挖掘的重要研究内容,有着广泛的应用领域.介绍了空间聚类算法的分类和性能要求、空间聚类过程和方法.空间聚类算法主要有基于划分的方法、基于层次的方法、基于密度的方法、基于网格的方法、基于模型的方法以及其它形式的空间聚类算法.