基于多示例学习技术的Web目录页面链接推荐

在Web目录页面中,向用户推荐其感兴趣的链接有助于用户高效地访问网络资源.然而,用户往往不愿花费很多时间来标记训练样本,其提供的数据可能只能说明某个目录网页是否包含其感兴趣的内容,而不能明确标示出其感兴趣的具体链接.由于训练数据中缺乏对链接的标记,但预测时却需要找出用户感兴趣的链接,这就使得Web目录页面链接推荐问题相当困难.CkNN-ROI算法被提出用于解决该问题.实验表明,CkNN-ROI算法在解决这一困难的链接推荐问题上比其他一些算法更为有效.     

从心理学数据中发现可理解的模式

近年来,机器学习技术常被用于分析心理学数据,以期从数据中找出有价值的模式,更好地刻画和调整人们的心理行为。提出采用二次学习风范的规则生成算法,结合规则学习算法的在模式理解性方面的优势和集成学习、支持向量机等高性能算法在泛化性能上的优势,从心理学数据中发现准确且易于理解的模式。实验表明,采用二次学习风范的规则生成算法在泛化性能上显著高于传统的规则生成算法,且在许多情况下,其输出规则的可理解性亦优于传统的规则生成算法。     

微孔聚氨酯鞋底的研制

<正> 聚氨酯(PU)鞋底的研究,始于六十年代初,1967年奥地利、英国及日本开始试生产。七十年代初西德DESMA公司研制出双组份PU浇注成型机以后,微孔PU鞋底的生产迅速遍及世界各国。1970年冬意大利首先进行了展销(1),1971年西德及大日本油墨公司也将产品投入了市场,1974年西欧各国生产的八亿双鞋中,微孔     

聚氨酯硬质泡沫塑料的生产工艺

<正> 聚氨酯硬质泡沫塑料是一种密度低、表面积大、隔热性好(保温、保冷)绝热材料,被公认为节能佳品。现已广泛应用于建筑隔热、设备致冷、工业保温、包装、运输等方面,其消费量越来越大。近年来世界聚氨酯泡沫塑料的消费     

Software Defect Detection with R<Emphasis Type="SmallCaps">ocus</Emphasis>

Software defect detection aims to automatically identify defective software modules for efficient software test in order to improve the quality of a software system.Although many machine learning methods have been successfully applied to the task,most of them fail to consider two practical yet important issues in software defect detection.First,it is rather difficult to collect a large amount of labeled training data for learning a well-performing model;second,in a software system there are usually much fewer defective modules than defect-free modules,so learning would have to be conducted over an imbalanced data set.In this paper,we address these two practical issues simultaneously by proposing a novel semi-supervised learning approach named Rocus.This method exploits the abundant unlabeled examples to improve the detection accuracy,as well as employs under-sampling to tackle the class-imbalance problem in the learning process.Experimental results of real-world software defect detection tasks show that Rocus is effective for software defect detection.Its performance is better than a semi-supervised learning method that ignores the class-imbalance nature of the task and a class-imbalance learning method that does not make effective use of unlabeled data.     

基于Linux串口的非接触式IC卡开发应用

在Linux操作系统平台下的串口通信基础上,研究了如何通过编写程序实现在Linux系统下,应用字符设备开发IC卡设备驱动模块.基于Linux串口编程和非接触式IC卡应用设计并实现了一个串口通讯过程,并以相应的程序实例加以说明.有效利用了非接触式IC卡的特点,提高了读写卡的速度.     

基于主动相关反馈的图像检索方法

在基于内容的图像检索中,如何找到有效方法以缩小图像的视觉描述和用户语义解释之间的差异是一个关键问题.本文在图像检索的相关反馈过程中引入主动学习的思想,提出了主动相关反馈方法,通过将用户的注意力集中在检索系统分类确定性低的图像上,使得用户反馈针对最能有效提高检索性能的图像进行.实验结果表明,该方法有助于缩小用户查询中的歧义性,有效提高检索效率.     

基于频繁项集挖掘的贝叶斯分类算法

朴素贝叶斯分类器是一种简单而且高效的分类学习算法,但是它所要求的属性独立性假设在真实世界应用中经常难以满足.为了放松属性独立性约束以提高朴素贝叶斯分类器的泛化能力,研究人员进行了大量的工作.提出了一种基于频繁项集挖掘技术的贝叶斯分类学习算法FISC(frequent item sets classifier).在训练阶段,FISC找到所有频繁项集并计算可能用到的概率估值.在测试阶段,FISC对于测试样本包含的每个项集构造一个分类器,通过集成这些分类器来给出预测结果.实验结果验证了FISC的有效性.     

热塑型聚氨酯弹性汽车防滑链的研制

聚酯多元醇、ＭＤＩ、１,４－丁二醇摩尔比为１：３．１：２．１时,在少量添加剂存在下,经预聚、扩链制得热塑料,经注塑机加工成型制成防滑链。     

一种基于HDDT集成的多类不平衡学习方法

在很多真实世界问题中,不同类别的数据样本往往有显著的不平衡性,即大类的样本远多于小类.对类别不平衡样本进行学习,是目前国内外数据挖掘和机器学习领域的研究热点之一.以往对不平衡样本学习的研究主要针对二分类问题进行,由此针对多分类问题,提出一种基于HDDT决策树集成的多类不平衡学习方法.实验表明,该方法可以有效地对多类不平衡问题进行学习.