学习特征权值对聚类算法的优化

现有的k-均值聚类算法大都是以距离差异为基础的,而同等重要地依赖所有属性的相似性度量会引起误导.传统的k-均值算法选择的相似性度量通常是欧几里德距离的倒数,这种距离通常涉及所有的特征.而在距离公式中引入一些特征权值后,其聚类结果将依赖于这些权值,从而可以通过调整这些权值优化聚类效果.由于k-均值算法是迭代算法,很难直接确定其权值以优化聚类结果,因此提出了一种通过免疫算法学习权值的方法以改进聚类结果.实验结果显示,该方法确定的权重值在提高聚类效果方面是可行的、有效的.     

高校辅导员为何“疲软”

调查发现,不少辅导员对工作缺乏热情,对事业和前途感到迷茫,他们已经成了高校中最郁闷的一族。认为高校辅导员工作的烦琐、不规律的生活方式、缺乏身份认同感和体制问题导致其职业困惑、精神疲劳和情绪衰竭,尤其是在高校扩招后,大学生整体素质有所下降的前提下,辅导员工作面临着诸多新问题,因此如何培养一支相对稳定、结构比较合理、业务素质过硬的辅导员队伍显得更加重要。     

BP神经网络在洪流预报中的应用

通过归纳分析,结合实际的采集数据,对降雨径流预报的人工神经网络模型进行了改进,并针对不同的预报系统,采用改进的自适应BP算法进行分析,指出了今后洪流预报发展的方向.     

BP神经网络在教学质量评价体系中的应用

教学质量评价是对教学质量进行过程控制的重要手段。采用多层前传网络结构（back-propaga-tionnet2workconstruction,BP网络）,测试教学质量评价体现的完整性,让教学质量评价系统更充分的体现其功能,希望能通过BP神经网络的自学习自识别模式理论更好的对评价的指标进行衡量,从而更好的对评价的结果的有效性、合理性进行把握。     

基于Weka的神经网络软件缺陷预测初探

软件缺陷是对软件产品预期属性的偏离现象.它是影响软件质量的重要和关键因素之一.发现与排除软件缺陷是软件生命周期中的重要工作之一.每一个软件组织都知道必须妥善处理软件中的缺陷,这是关系到软件组织生存、发展的质量根本.针对软件缺陷预测方法中常用的前向反馈神经网络方法,结合Weka数据挖掘技术中的参数设定的科学性方法,有效的运用于节点数设计、网络结构的设计上,不断改进神经网络预测软件缺陷的置信度,从而让预测的结果更加合理化.