WWW聚类引擎的研究

在当今的信息时代,搜索引擎是Web信息检索的主要工具,Web的数字挖掘技术逐渐成为了研究的热点.把Web数据挖掘技术与搜索引擎相结合,从而构建一个基于数据挖掘的搜索引擎原型系统,它能够以语义的、在线的、树型的和文本的方式对搜索引擎的搜索结果进行聚类,帮助使用者更容易和快速的找到相关信息.     

类别特征词权重加权文本分类方法

提出了一种针对小训练集环境的文本自动分类方法。在传统自动训练过程中通过训练集为每个类别建立初步类别特征向量,由于初步类别特征向量是在小训练集基础上建立的,含有的类别特征信息不够充分。在初步类别特征向量基础上,标定了一定数量的一级和二级类别核心特征词,在文本/类别相似度计算中,利用自动训练过程得到的核心特征词权重因子对核心特征词权重加权,以提高类别特征向量中类别特征信息的含量。实验结果显示,这种分类方法自动分类重合率达到94.12%以上,与不进行权重加权方法的52.94%相比,有很大提高。     

灰色聚类评估模型在安全评估中的应用

针对大多数安全评估模型通用性差的问题，利用灰色聚类理论，建立了一个新的信息系统安全评估模型. 提出了采用灰色聚类决策对系统安全状态进行评估的方法,给出了系统安全状态的灰色分类,并构造了灰类的白化权函数. 结合具体实例说明了该模型的应用，并运用灵敏度概念，分析评估结果的稳定性和可靠性.     

硼向晶界扩散机理的研究

通过解变温扩散方程,导出非平衡晶界偏聚的数学表达式,建立了晶界贫硼局域尺寸与淬火加热温度、冷却速度以及非平衡晶界偏聚扩散激活能与扩散系数之间的关系,所得结果与实验结果相一致.     

个性化学习系统的聚类技术

基于日志的Web使用挖掘，利用用户访问页面的相关性提出用户兴趣度，并应用于远程教育中数据准备和页面的推荐过程．讨论教学过程中按需学习和因才施教的可行性，介绍聚类算法在预测推荐页面中的设计与应用．实验运行结果表明，该算法是可行和有效的．     

基于主题的分布式信息检索技术研究

介绍了一种基于主题的分布式信息检索方法，并对算法的有效性进行了深入的分析。该文通过文本聚类方法，把文档按照主题的方式来划分，经过实验发现查询答案明显地汇聚在少数的文档集合中。由此表明，基于主题的分布式信息检索方法比传统分布式信息检索方法在检索效果上有了显著的提高。     

基于多特征模糊聚类的图像融合方法

首先利用模糊C-均值聚类算法在多特征形成的特征空间上对图像进行区域分割,并在此基础上对区域进行多尺度小波分解;然后利用柯西函数构造区域的模糊相似度,应用模糊相似度及区域信息量构造加权因子,从而得到融合图像的小波系数;最后利用小波逆变换得到融合图像.采用均方根误差、峰值信噪比、熵、交叉熵和互信息5种准则评价融合算法的性能.实验结果表明,文中方法具有良好的融合特性.     

一种改进的WCA算法

在WCA的基础上，提出了EWCA（Enhanced Weighted Clustering Algorithm）算法，在提高性能的同时降低了开销，并保持了算法的通用性，移动自组网中通过模拟实验对该分簇算法与WCA算法进行了性能比较。     

一种基于纹理特征的教案视频镜头分割方法

该文分析了现有的对帧间特征差进行阈值比较的镜头分割方法,以及通过颜色空间和可调时间阈值进行视频聚类方法的不准确性,针对教案视频中大量文字内容体现出的特有的纹理特征,提出了使用基于灰度级共生矩阵纹理特征的C均值模糊聚类算法进行教案视频镜头分割.算法选取灰度级共生矩阵统计量之一的惯性矩作为度量帧间相似性的特征值,并根据教案视频中手写操作的特点调整特征向量,以此作为样本数据点进行模糊聚类.实验结果显示这种方法对于教案视频镜头的分割具有较好效果.     

基于模糊聚类神经网络的语音识别方法

提出了一种基于模糊神经网络的语音识别方法.该方法以模糊系统模型为基础,利用改进的模糊聚类辨识算法,构成一种新型的模糊聚类神经网络（FCNN）,并将其作为概率密度函数的估计器,对每个状态的输出进行预测.它不仅能有效地在语音识别中引入帧间相关信息,而且能克服状态输出概率密度函数为混合高斯分布的束缚.通过对非特定人汉语孤立词和连续音节的语音识别实验,证实了该方法的有效性.