抽样改进加权核大数据谱聚类算法

经典谱聚类算法将数据聚类转为图划分问题,在分析其Normalized Cut函数与传统加权核k-means等价基础上,设计了一种基于抽样改进加权核k-means算法的大规模数据集谱聚类算法,算法通过加权核k-means迭代优化避免Laplacian矩阵特征分解的大量资源占用,通过随机映射得到近似奇异值分解,并由近似奇异向量确定各点数据权重及抽样概率,以此得到快速合理抽样,通过数据抽样并将聚类中心约束到抽样点生成的子空间中,避免全部核矩阵的使用,从而降低经典算法的时间空间复杂度。实验结果表明,改进算法在保持与经典算法相近精度基础上,大幅提高了聚类效率,实验验证了改进算法的有效性。     

应用于电子商务系统的入侵检测系统实现

针对小型电子商务系统的应用特点,分析该如何设计适合于它的入侵检测系统。为此,深入学习了Windows系统信息,采用了误用检测中的模式匹配和异常检测中的统计与数据挖掘方法来进行异常检测。最终,提出了一种基于主机的分布式入侵检测系统。通过测试发现,该体系结构的入侵检测系统能防范内外部攻击,并可以和防火墙联动,在发生异常时,使系统所受的损失最小,适用于基于windows平台的小型的电子商务系统。     

基于UG NX5.0Mold Wizard的快速分模技巧

针对一个典型的外观塑件,在UG NX 5.0中的Mold Wizard模块中,采用自动获取分型线、快速形成分型面的方法对其进行了快速准确的分模.使用该快速分模技术可节省模具设计时间,提高模具设计效率.     

基于UG NX 6.0 Mold Wizard的侧向抽芯直接分模方法

针对一需侧向抽芯的塑件,在UG NX 6.0中的Mold Wizard模块中,准确设置分型线,合理将分型面进行组合,快捷巧妙生成型芯、型腔及侧抽芯等,从而获得了实际应用的操作方法。使用该分模技术,有利于降低分模难度,提高模具设计精确度,掌握Mold Wizard分模的特点,为模具设计人员提供便利。