基于SVM的多分类器构造算法的研究

在对传统的多类分类算法研究的基础上,针对基于二值分类器的多分类器构造算法存在的预测精度低、训练时间长的缺点,提出了一种基于SVM的组合回归机构造多类分类器的算法.该算法解决了二值分类器方法中存在的信息丢失问题,同时避免了由于参数调整而造成的计算代价过大的问题.实验结果表明:新的SVM多分类算法大大降低了计算代价,提高了运行效率和预测的精度,减少了运行时间.     

Web文本挖掘中的特征选取方法研究

研究了Web文本挖掘中的高维特征选取问题，对常见的评估函数法、主成分分析法、模拟退火法等特征选取和降维算法进行了理论分析与性能比较，通过实验对各种算法的优劣性及适用性进行了讨论。旨在通过降维处理来解决高维空间的文本挖掘问题。     

网络安全策略与措施探讨

计算机网络的发展,加快了企业和社会信息化进程,同时也带来了许多网络安全问题。因此,在开展Internet/Intranet网应用时,加强网络的安全保密显得越来越重要。本文针对保障网络安全所采取的安全策略和安全措施进行了探讨。     

梯度直方图卷积特征的胶囊网络在交通监控下的车型分类

为了充分利用图像信息以提高现有交通监控下车型分类的效果，在胶囊网络的基础上增加梯度直方图卷积（HOG-C）特征提取方法，提出HOG-C特征的胶囊网络模型——HOG-C CapsNet。首先，使用梯度统计特征提取层对图像中的梯度信息进行统计，构建方向梯度直方图（HOG）特征图；其次，使用卷积层提取出图像的颜色信息，把提取出的颜色信息与HOG特征图融合构成HOG-C特征图；最后，输入卷积层提取HOG-C特征图的抽象特征，并通过胶囊网络对提取的抽象特征进行具有三维空间特征表达的胶囊封装，使用动态路由算法实现车型分类。在BIT-Vehicle数据集上对该模型和其他相关模型进行的对比实验中，该模型得到98.17%的准确率、97.98%的平均精确率均值（MAP）、98.42%的平均召回率均值（MAR）和98.20%的综合评价指标。实验结果表明，该模型在交通监控下的车型分类上具有更好的效果。     

浅谈粗糙集理论及其应用进展

粗糙集理论是一种新型的处理模糊和不确定知识的数学工具。目前已在人工智能、知识与数据发现、模式识别与分类、故障检测等方面得到了广泛应用。首先描述了粗糙集的基本算法及其复杂度，包括等价关系，上下近似及约简算法；然后对粗糙集在一些领域中的应用进展情况进行了论述，例如模式识别与人工神经元网络等，最后给出了建议的研究方向。     

基于 SCM 的决策支持系统研究

目的针对信息在企业管理中所起的重要作用,介绍了基于SCM的决策支持系统.方法依据供应链管理的原理,运用数据仓库、数据挖掘和联机分析处理技术建立起决策支持系统的有效解决方案.结果与结论对企业的信息管理和高层决策具有普遍的指导意义和实用价值.     

基于规范的软件构件测试技术研究

构件和基于构件的软件工程已成为软件工程领域的热点,其中有很多工作致力于研究如何构筑构件,却忽略了构件的测试工作。构件接口测试往往采用基于规范的功能测试,提出的构件规范说明从3个层次对构件本身的语法、语义、交互方面进行了描述和定义,并以此为基础转化生成测试模型,生成测试用例,对构件进行的功能测试方法。     

基于数据挖掘的新产品竞争预测模型

由需求理论,供应商市场有着很强的聚集效应,所以容易出现局部同类产品供应商竞争异常激烈的情况,而在这种优胜劣汰的竞争格局中获胜的关键在于产品所具有的优势,这里有一个博弈的问题,即竞争获胜的同时使得投资和损失降至最低,本文即是在数据挖掘的基础上,用数学建模的办法探讨这个问题,使得某一企业获得它的帕累托最优状态.     

基于UCDOS系统环境的一种文字移动显示算法

针对LED大屏幕的控制系统,对其显示的原理以及字库的设置进行深入研究．并使用Vi-sualBasic编程工具来实现对LED大屏幕的文字显示移动进行模拟。所使用的算法可以更快更好地对文字显示移动进行模拟,可以更为方便地显示出来。     

基于时间间隔和点击量的Prefixspan改进算法

数据挖掘算法过程中对客户行为的实时性是分析客户网络消费行为的重要要素之一,但是Prefixspan数据挖掘算法挖掘过程中并未对此问题予以考虑,因此,在时间间隔序列模式概念的基础上,提出了一种基于时间间隔和点击量的Prefixspan改进算法。在该算法中,引人了频繁度和时间属性的概念,并加入了时间间隔和点击量等要素,从而使挖掘到的信息具有实时性的特点,并且提高了对挖掘对象的侧重性。通过实验验证,与原来的Prefixspan算法相比较后表明,改进算法用于具有时间特性的数据集时获得的挖掘结果更精确,挖掘效率得到了有效的提高。