贝叶斯网络分类器结构与变量分布的差异性分析

为了提高鉴别式学习策略训练的贝叶斯网络分类器的分类精度,分析了贝叶斯网络结构与数据中变量分布之间的差异对贝叶斯网络分类器性能的影响,实验以网络结构的实际联合概率分布的树型近似描述为基准,删除在条件对数似然函数极大化过程中不起作用的边,生成具有同一联合概率分布的不同描述程度的网络结构.实验结果表明,只有当网络结构表现力不足时,鉴别式参数学习才能起积极作用;而当网络结构中有多余的边时,反而容易受其制约.从而验证了网络中多余的边对分类器性能没有影响的观点是片面的.     

浅议发展中的中国现代壁画

壁画是古今中外历史上最悠久的一种绘画形式,中国壁画自古以来就具有独特的风格。本文基于对中国现代壁画的发展的研究、分析,总结了发展中中国现代壁画的特点与实用价值,通过对中国现代壁画的装饰语言,从＂画＂到＂饰＂,材料的多元化,文化实用价值的阐述,阐明了发展中的中国现代壁画的价值与意义。     

HyperKDD：开放超媒体知识发现系统模型

数据库知识发现的目的是为了获得基于机器迅速处理大量数据的能力．提出了一种开放的超媒体知识发现模型ＨｙｐｅｒＫＤＤ，它提供了统一的基于超媒体的和开放性的控制机制，以选取适当的发现策略和控制知识发现的过程，在ＨｙｐｅｒＫＤＤ的框架下，比较容易生成一个面向一般领域的且高度自动化的知识发现系统     

建筑防水材料的发展介绍

随着石油化工工业的发展和新型建筑屋面对防水材料提出的特殊要求,使防水涂料的品种不断增多,产量迅速增加。目前,日、美、苏等较发达国家生产的防水涂料主要有:聚氨酯橡胶防水涂料、有机硅防水涂料、硅橡胶防水涂料,氯丁橡胶防水涂料,合成防水     

大兴区农业节水灌溉发展的建议

北京市大兴区是资源性重度缺水地区,随着经济社会的高速发展,农业节水重要性愈发凸显。在现有节水措施下,大兴区不断创新,积极更新管理模式,合理规划配置水资源,提升节水效率。从加强农民节水意识入手,加强用水节水教育,普及节水知识。在实际管理中,积极发挥农民用水户协会的作用,调动群众节水积极性,从而实现农业增产增收。在发展推广高效节水灌溉技术的同时,注重环境保护,促进节水型社会发展,建立长效管理机制,全方位搞好农业节水工作。     

Sn60Pb40焊层在热循环过程中蠕变行为的仿真研究

文中采用ANAND焊点本构关系模型描述了Sn60Pb40焊层蠕变行为,通过MARC有限元软件模拟了电子封装器件Sn60Pb40焊层在热循环中的蠕变过程,研究了Sn60Pb40焊层的蠕变应变最大值出现的位置,分析了封装结构热失配和焊层厚度对Sn60Pb40焊层蠕变应变的影响。结果表明:焊层边角处最早发生蠕变断裂,降低封装结构热失配程度和优化焊层厚度均可减小Sn60Pb40焊层的蠕变变形。该研究结果不仅为封装结构的热匹配优化设计提供了新的思路,也为预测焊层蠕变断裂位置和优化工艺提供了技术支持。     

某星载天线反射罩的热应力优化设计

星载天线在轨运行时主要受温度载荷的影响,其天线结构的热应力优化设计对于系统的安全性和稳定性具有重要意义。文中采用有限元仿真分析的方法研究了某星载天线单元的热应力状态,针对天线单元中反射罩底板热应力远超材料许用应力的问题,从结构形式和材料选择方面提出了多种优化方案。研究结果表明,将反射罩底板的安装位置由外围向内圈转移、将圆形安装孔改为腰形安装孔及选择热膨胀系数小的材料均可使结构的热应力得到优化。     

时间序列可变尺度的时频特征求解及其分类

对于许多实际应用来说,获取多个不同窗口尺度上的模式,有助于发现时间序列的不同规律性特征.同时,通过对时间序列时域和频域两方面的分析,有助于挖掘更多的知识.提出了一种新的基于可变尺度的时域频域辨别性特征挖掘方法以及应用于分类的算法.主要采用了不同尺度窗口、符号聚合近似技术以及符号傅里叶近似技术等,以有效地发掘时间序列不同尺度时域频域模式;与此同时,使用统计学方法挖掘部分最具辨别性的特征用于时间序列分类,有效地降低了算法时间复杂度.在多个数据集上的对比实验结果,说明了该算法具有较高的准确率;在真实数据集上的解析,表明了该算法具有更强的可解释性.同时,该算法可扩展应用到多维时间序列分类问题中.     

基于显露模式的数据流贝叶斯分类算法

基于模式的贝叶斯分类模型是解决数据挖掘领域分类问题的一种有效方法.然而,大多数基于模式的贝叶斯分类器只考虑模式在目标类数据集中的支持度,而忽略了模式在对立类数据集合中的支持度.此外,对于高速动态变化的无限数据流环境,在静态数据集下的基于模式的贝叶斯分类器就不能适用.为了解决这些问题,提出了基于显露模式的数据流贝叶斯分类模型EPDS（Bayesian classifier algorithm based on emerging pattern for data stream）.该模型使用一个简单的混合森林结构来维护内存中事务的项集,并采用一种快速的模式抽取机制来提高算法速度.EPDS采用半懒惰式学习策略持续更新显露模式,并为待分类事务在每个类下建立局部分类模型.大量实验结果表明,该算法比其他数据流分类模型有较高的准确度.     

一种基于时间衰减模型的数据流闭合模式挖掘方法

数据流是随着时间顺序快速变化的和连续的,对其进行频繁模式挖掘时会出现概念漂移现象。在一些数据流应用中,通常认为最新的数据具有最大的价值。数据流挖掘会产生大量无用的模式,为了减少无用模式且保证无损压缩,需要挖掘闭合模式。因此,提出了一种基于时间衰减模型和闭合算子的数据流闭合模式挖掘方式TDMCS （Time-Decay-Model-based Closed frequent pattern mining on data Stream）。该算法采用时间衰减模型来区分滑动窗口内的历史和新近事务权重,使用闭合算子提高闭合模式挖掘的效率,设计使用最小支持度-最大误差率-衰减因子的三层架构避免概念漂移,设计一种均值衰减因子平衡算法的高查全率和高查准率。实验分析表明该算法适用于挖掘高密度、长模式的数据流;且具有较高的效率,在不同大小的滑动窗口条件下性能表现是稳态的,同时也优于其他同类算法。