结合类内集中度和优化RBF神经网络的特征选择

特征选择是文本分类的一个核心研究课题.首先提出了优化的文档频和类内集中度,紧接着提出了自适应量子粒子群优化算法并用于训练RBF网络的基函数中心和宽度,而且还结合最小二乘法计算网络权值,对RBF神经网络进行了优化,最后提出了一个综合性特征选择方法.该综合性方法首先使用类内集中度过滤掉一些词条以降低文本特征空间的稀疏性,然后再利用优化的RBF网络对特征进行优选.实验结果表明此种特征选择方法有较好的准确率和召回率.     

基于群体优势遗传算法的高校排课问题研究

深入分析了高校排课问题,建立了高校排课问题的数学优化模型,构建了基本求解框架。针对高校排课问题的特点,引入遗传算法来加以解决,设计了多种改进方案：新的二进制编码方案、初始种群生成方案、适应度函数设计方案、群体优势策略、自适应交叉概率和自适应变异概率设计方案。仿真结果表明该算法能够满足高校排课问题的多重约束条件,能更有效地解决高校排课问题。     

探索高等院校“协同创新”型人才的培养途径

"协同创新计划"通过构建协同创新平台与模式、建立协同创新机制与体制促进高等教育与科技、经济、文化的紧密结合,大力提升高等学校的创新能力,支撑创新型国家和人力资源强国的建设。探讨了"协同创新"型人才所应具备的人文素质和科研素质,分析了高等院校培养"协同创新"型人才所应具备的校内外环境条件和机制。     

Web服务器的网络负载均衡研究

介绍了网络负载均衡的定义和总体指标。详细讨论了网络负载均衡技术的4种类型。针对不同Web服务器的架构,分析了服务器的吞吐量和网络延迟,其结论对于有效提高服务器的整体性能、服务质量和服务水平具有参考意义。     

基于信息熵的Markov网络结构学习算法研究

Markov网是一种进行不确定性推理的有力工具,是一个无向图,不需要发现边的方向.基于信息熵中测试信息独立理论,对Markov网中各节点进行条件独立(CI)测试,并且基于信息熵的Markov网,提出一个有效的构造算法,大大提高推理效率,对以后知识的不确定推理研究具有一定的参考价值.     

基于互信息和粗糙集理论的特征选择

针对互信息方法在精度方面的不足,通过引入粗糙集,给出一种基于关系积理论的属性约简算法,以此为基础提出一个适用于海量文本数据集的特征选择方法。该方法采用互信息进行特征初选,利用提出的属性约简算法消除冗余,获得较具代表性的特征子集。实验结果表明,该特征选择方法能获得冗余度小且较具代表性的特征子集。     

基于多Agent网格资源调度的负载均衡研究

介绍了一种基于多Agent的网格资源调度方法,并提出了一种负载均衡算法设计思想,以改善网格环境中资源分配不均的问题.     

基于中间件技术的图书管理系统的设计

针对目前图书管理系统维护性和延展性差的问题,将应用服务器加入到系统的分布式结构中,给出了应用服务器、远程数据模块和本地数据模块的设计.运行结果表明,基于中间件技术的图书管理系统降低了系统的开发和维护成本,提高了系统的延展性.     

采用模糊模式识别的经济可持续发展评价方法

研究一个城市的经济可持续发展性有利于调整该城市的产业结构,促进其可持续发展。本文基于模糊模式识别法,利用评价指标体系,采用定量评价方法,研究典型发展中城市-河南省＂A市＂的经济可持续发展性,对该市2005年和2011年两年的经济可持续发展能力进行对比分析。结果表明：该市2011年经济的可持续发展性好于2005年,这说明A市的经济可持续发展能力正在不断提高。该识别法语义明确,评价结果符合实际,对国内类似城市的经济可持续发展的评价具有一定的参考价值。     

基于球面杂交的动态自适应克隆选择算法

基于球面杂交策略,提出一种动态自适应克隆选择算法。在该算法的每次迭代过程中,动态地计算出每个抗体的变异概率,根据抗体的亲和度将抗体种群分为记忆单元和一般抗体单元,以球面杂交方式对种群进行调整,从而加快算法的全局搜索速度。实例验证了该算法的有效性、可行性。