基于拉普拉斯图谱和K均值的多社团发现方法

分析了常见的社团发现算法的特点,以及谱二分法在实际应用中必须不断迭代才能完成多社团发现的不足,并提出了基于Laplace图谱和K-Means聚类算法的多社团发现方法,该方法是一个可视化的决策过程。根据Laplace图谱的次小特征值和第三小特征值对应的特征向量,构成聚类样本并显示出来。根据决策者的意图,由决策者来确定社团的个数和聚类中心,应用K-Means聚类算法一次完成多社团的分类。     

基于可变形模型及区域流向分析的等高线自适应矢量化算法

等高线的矢量化一直是地形图自动识别的难点之一．该文对目前图纸矢量化算法进行了总结分析，根据等高线本身所具有的特征，结合人眼对等高线跟踪提取的特点，提出可变形模型跟踪矢量化算法．算法通过初始种子段的生成、可变内力控制及区域流向分析，直接在原地形图上实现等高线的自动矢量化及断点、粘连点的处理．实验证明该方法行之有效且具有很好的稳定性．     

不完备信息系统最大分布约简及规则提取算法

1引言 粗集理论知识约简一直是粗集理论的重要研究内容之一. 经典粗集理论以完备信息系统(数据值不存在缺损)为研究对象.人们以等价关系为基础,提出了多种知识约简算法[1～4].但要寻找一个信息系统的所有约简或最小约简是一个NP难问题,寻求高效的可行的约简算法仍然是粗集理论尚未完全解决的问题.     

基于DEVS的UML建模方法:UML-BD

DEVS是一种层次的模块化的系统说明方法，它提供了一种层次的模块化的系统说明方法。文中给出的UML-BD方法就是在UML中结合DEVS这一特点，对UML进行一定的扩展；同时还在UML中增加了时间的约束，满足系统的实时性的要求。该方法适合一类层次结构清晰、实时性强的系统的建模，如C4I系统。     

基于贝叶斯估计的概念语义相似度算法

传统的基于语义距离的概念语义相似度算法不能兼顾客观统计数据,基于信息量的相似度算法又难以获得权威统计样本,针对这些不足,该文提出一种基于贝叶斯估计的概念语义相似度算法。该算法首先假定概念出现概率是符合Beta分布的随机变量,然后基于语义距离的相似度算法计算先验参数,并根据统计样本计算该先验分布下基于最小风险的贝叶斯估计后验参数。随后利用基于信息量的语义相似度算法,便可获得主观经验与客观事实相结合的概念语义相似度。结合WordNet的实验分析表明,该算法与人为主观经验之间具有最大的相关系数。     

失信因子对软件需求开发影响的动力学仿真

需求开发是软件生产过程的重要基础.通过分析需求变更、客户与分析员的交流程度以及项目进程压力这三个失信因子与需求文档质量之间相互影响、相互制约的关系,建立反映这种复杂非线性关系的系统动力学模型.利用Vensim软件对模型进行仿真,探讨了失信因子对需求文档质量的影响,为需求管理工作提供了一些参考.     

彩色地图分色算法研究现状

对已有彩色地图分色方法进行了综述.把彩色地图分色方法细分成颜色空间的选择和具体的分割方法两个方面,并从上述两个方面进行了总结.具体分割算法包括基于直方图的阈值化方法,基于特征空间的聚类、基于模糊的方法、基于神经网络的方法、基于熵的方法、基于遗传算法的方法、基于随机场模型的统计学方法以及其它一些方法.颜色空间模型包括RGB颜色空间、CIELab空间、HVC空间、HLS颜色空间等.     

基于Local约简的序贯三支分类器

序贯三支决策是三支决策理论近年发展起来的一种新型决策方法。传统的序贯三支决策方法鲜有针对序贯信息粒的构建和其在分类学习中的应用的研究。针对这两个问题,研究了Local约简与Global约简之间的内在序贯性,并以此构建了具有约简特性的序贯信息粒。在此基础上设计了一种序贯三支分类器。实验结果表明,该序贯三支分类器不仅能很好地在合适信息粒上进行分类,而且较传统的分类算法提高了数据集的分类精度。     

基于语义和语法的Web服务检索方法

提出了基于语义和语法的服务检索方法. 采用语义相似度的方法对服务进行管理,以达到提高检索效率的目的;采用语法结构的方式,利用命题库模式对服务建模并提出检索算法,以提高服务检索的精确率. 以响应时间、召回率、精确率、综合评价指标为衡量指标,通过实验说明了结合语义和语法的检索方法的有效性.     

面向对象形态学算法模拟识别非对称灰度数字图像研究

用数字图像处理纯软件位图的方法实现形态学算法,借助联合变换相关器理论,提出面向对象计算机模拟形态学理论识别非对称灰度图像,提出两种基于位表示法形态学相关算法(MMC)的改进算法,通过提取基于位表示法的图像片边缘特征或二元化基于位表示法的图像片功率谱,给出了改进的识别非对称灰度图像的二维相关峰和谱图,鉴别率明显提高,提高了MMC的识别能力.该模拟可以用数字图象处理纯软件的方法实现具有实用性.