一种新的基于网格的聚类算法*

新的基于网格的聚类算法(CABG)利用网格处理技术对数据进行了预处理,能根据数据分布情况动态计算每个单元格的半径,并成功地将网格预处理后所得单元格数据运用于其后的聚类分析中,从而简化了算法所需的初始参数。实验表明,CABG算法不仅具有DBSCAN算法准确挖掘各种形状的聚类和很好的噪声处理能力的优点,而且具有较高聚类速度以及对初始参数较低的敏感度。     

案例知识库维护技术的研究进展

案例库是CBR系统的主要知识库,但是难以维护,一个主要因素是案例库大,并且是非结构化或半结构化的,用自然语言来表达的．文章针对案例知识库维护中出现的相关复杂问题,分析了各种维护策略的可行性,提出了在不同环境下实施维护的准则,指出了选用合适的方法来实现案例库维护．     

案例知识库维护技术的研究进展

案例库是CBR系统的主要知识库,但是难以维护,一个主要因素是案例库大,并且是非结构化或半结构化的,用自然语言来表达的.文章针对案例知识库维护中出现的相关复杂问题,分析了各种维护策略的可行性,提出了在不同环境下实施维护的准则.指出了选用合适的方法来实现案例库维护.     

云和声搜索算法及其在知识服务组合中的应用

云计算环境下的知识服务是知识与服务的融合, 为知识管理、知识创新提供了新的发展方向。针对基于服务质量(QoS)的知识服务组合优化问题, 在云计算平台下实现和声搜索算法的并行化, 提出了云和声搜索算法。将Skyline方法和理想点法融入到云和声搜索算法中, 对云和声搜索算法进行改进, 提高了算法的运行效率, 确保了解的有效性。实验结果表明, 改进云和声搜索算法在求解知识服务组合优化问题上取得了较好的结果, 在解的质量以及算法的性能方面均有较好的表现。     

解决一类博弈问题的神经网络系统

从博弈问题的固有属性出发，探讨了解决博弈问题的新途径，并阐述了如何建造解决一类博弈问题的神经网络系统。所建的对养实验系统运行效果良好，这表明用神经网络来解决博弈问题有着广阔的前景。     

一种基于密度树的网格快速聚类算法的研究

聚类算法是数据挖掘领域中一个非常重要的研究方向。人们已经提出了许多适用于大规模的、高维的数据库的聚类算法。基于密度的聚类算法是其中一个比较典型的研究方向。该文以CABDET算法为基础，提出了一种基于密度树的网格快速聚类算法，该算法将网格的原理运用到基于密度树的聚类算法中，有效地提高了聚类的效率，降低了I/O的开销。     

车流量测量仪键盘处理的设计与实现

提出并实现了车流量测量仪控制软件的键盘处理方案。该方案的突出特点是它以菜单命令的输入状态为基础对按键进行处理,能很好地满足未来应用提出的新需求,便于键盘功能扩充,提高了控制软件的可维护性。该处理方案具有一定的通用性,有较好的应用价值。     

经验模态分解方法及其实现

经验模态分解方法可以有效提取非线性非稳定信号的瞬时特征。提出了经验模态分解方法中“筛”过程存在的端点问题、循环终止条件等重要问题的解决方案;并以经验模态分解方法为核心实现了非线性非稳定信号处理系统,在给出该系统如何处理外来信号流程图的同时,对系统界面的功能、生成方法和运算模块的功能、结构进行了详细地阐述。     

基于数据流的BIRCH改进聚类算法

数据流管理作为一种新兴课题正在逐渐受到国内外广大研究学者的重视,数据流聚类是其中的一个重要研究领域。论文基于BIRCH聚类算法,提出了一种M-BIRCH聚类算法,克服了BIRCH算法对非球形的聚类效果不佳等缺点。实验结果证明,M-BIRCH聚类算法在聚类质量上比BIRCH有较大提高。     

基于蚁群算法的SVM模型选择研究

为了提高SVM的分类器性能，提出使用蚁群算法来指导SVM模型参数的选择，并针对采用RBF作为核函数的SVM进行了实验。然后将该方法与基于GA的SVM模型选择方法进行了比较。实验证明采用蚁群算法具有一定的优势，它能在较短的时间内寻找到最优解，且最终得到的分类结果优于遗传算法。