GA与PSO的混合研究综述

传统算法无法满足现代大规模、多变量、多约束的复杂问题求解,使得智能算法的应用越来越广泛。但单一智能算法在解决很多复杂问题时依然存在不足,利用算法之间互补性的混合算法便应运而生,并且取得了较好的实验效果,被越来越多的国内外学者所关注。以混合方式为研究主线,对智能算法中的遗传算法（GA）和粒子群算法（PSO）的融合方式进行分析与综述,并对其进一步的研究发展方向进行了探讨。     

基于词典和遗传算法的文本特征获取方法

Web文本特征获取是Web挖掘中重要而关键的前提工作,传统文本特征获取方法由于在确定文本词条的权重方面做得不够准确,从而直接影响了文本分类算法的精确度.为此,提出一种基于主题词典和遗传算法的文本特征获取方法(dic.tionary and GA-based feature selection algorithms,DGFSA),利用主题词典来调整词条权重,从而获取文本特征向量.实验结果表明,DGFSA比传统算法在文本分类的准确率和特征词的约简率方面分别提高了28.4%和16.3%.     

关联规则算法与框架探讨

本文对关联规则的发展进行了简单的介绍,对关联规则的经典算法进行了分析,对于挖掘关联规则中使用的基本框架进行了分析,最后对关联规则以后的发展进行了总结。     

西部民族地区普通院校IT人才培养的策略思考

分析当前西部民族地区普通院校本科IT专业教育存在的问题,从生源、专业定位、培养目标和教学体系建设等多方面提出应对措施和改革建议。     

混合加噪声模型与条件独立性检测的因果方向推断算法

从可观测的变量中推导出潜在的因果关系是人工智能领域的热点研究之一。传统的基于独立性检测的方法是通过检测V结构来确定一组马尔科夫等价类而非最终的因果关系;而加噪声模型算法却只能适应于低维度的因果网络结构。为此,提出一种采取分治策略的混合加噪声模型与条件独立性检测的因果方向推断方法。首先是将一个n维因果网络分解成n个诱导子网络,分别归入三种基本结构（单度结构、非三角结构和存在三角的结构）中的一种,从理论上分别证明其有效性;其次对每个诱导子网络进行基于加噪声模型算法与条件独立性检测相结合的方向推断;最后把所有子网络合并起来构建成完整的因果关系网络。实验表明,该方法比传统的因果关系推断方法更加有效。     

地方院校“产学研用”一体化应用创新型IT人才培养的探究与实践

针对高校传统课堂教学中存在的问题,提出在应用型IT人才培养模式的基础上,以专业课程优化与创新教学改革、多维融合的拔尖IT人才培养平台建设、校本特色教学资源库建设、新型校企合作人才培养机制建立等有机结合为核心,探索"产学研用"一体化模式培养创新型本科IT人才的基本思路、主要实施方法和途径。