ORACLE与SQL SERVER语言的比较

在不同的关系数据库管理系统（RDBMS）之间，存在很多差异，ORACLE和SQL SERVER都符合SQL－92标准的属性扩展，从应用程序的开发人员的角度来看，ORACLE和SQL SERVER对数据管理方式没有太大的区别，ORACLE和SQL SERVER之间的内部差异却是十分明显，本文研究了ORACLE和SQL SERVER的区别是为了实现ORACLE向SQL SERVER转换。     

关于ORQCLE与SQL SERVER语言的比较

在不同的关系型数据库管理系统(RDBMS)之间,存在很多差异,ORCALE和SQL SERVER都符合SQL-92标准的属性扩展,从应用程序的开发人员的角度来看,ORACLE和SQL SERVER对数据进行管理方式,没有太大的区别,但ORACLE和SQL SERVER之间的内部差异却是十分明显,本文研究了ORACLE和SQL SERVER的区别是为了实现ORACLE向SQL SERVER转换。     

基于模糊聚类的文本挖掘算法

针对传统FCM算法对孤立点比较敏感,须预先指定聚类数目的缺陷,提出一种新的模糊聚类算法NSFCM,将其应用干文本挖掘中。NSFCM对数据对象的隶属度增加一个权值,以减少孤立点对聚类中心的影响。采用平均信息熵确定聚类数,通过密度函数获得初始聚类中心。仿真结果证明,该算法聚类的精度和执行效率均高于FCM算法,效果较好。     

一种挖掘模糊相似关联规则的新方法

提出了一种基于自组织特征映射(SOFM)网络的自动确定样本数据隶属度函数的新方法，并在此基础上根据相似性的概念，给出了相似度的计算公式，结合Apriori算法，提出了一种挖掘模糊相似关联规则的新算法。与现有的同类算法相比，现有的方法均需人为地确定隶属度函数，带有一定的主观性，尤其当数据结构较复杂时，隶属度函数难以确定；该算法克服了这一缺点，同时减少了冗余规则。     

化学计量学中人工神经网络的进展

简要回顾了人工神经网络的发展历史,评述了近几年人工神经网络在化学计量学中统计学与统计方法、试验设计与优化、多元校正、分析信号处理、学模型识别、定量构效关系、人工智能等方面的应用,对人工神经网络在化学计量学中的应用前景进行了展望。     

DFKCN：一种动态模糊自组织神经网络及其应用

提出了一种新的动态模糊自组织神经网络模型(DFKCN)，并将其用于文本聚类中。将DFKCN模型应用到中文文本聚类中，该文的特征向量的表示采用隐含语义分析理论，以体现特征词的语义关系并实现特征词的降维。仿真表明本聚类法的精度高于TGSOM算法的精度，算法的执行效率高于TGSOM，取得了良好的效果。     

TGFCM:基于模糊聚类的中文文本挖掘的新方法

提出一种新的动态模糊聚类的方法，针对传统的模糊聚类需要预先确定聚类数的问题，提出采用动态自组织映射神经网络来确定聚类数，并通过文本向量空间模型和TF-IDF方法来确定文本的特征向量，再将动态自组织映射神经网络得到的聚类数，用模糊C均值算法（FCM）函数处理，得到聚类的结果。该算法同仅用动态自组织映射神经网络算法的运行结果相比，具有运行聚类结果精度高的优点，模糊聚类更适合处理语义的多样性和文本归属的模糊性，实验验证了算法的有效性。