多元化教学方法在操作系统教学中的应用

操作系统是计算机专业的核心专业课程之一,文章针对操作系统课程概念多、内容抽象的特点,提出在教学过程中综合运用多元化的教学方法,探讨启发式教学法、头脑风暴方法、类比教学法、讨论式教学法和实践性教学法在操作系统中的应用。     

基于局部线性嵌入极限学习机的人脸识别新方法

针对人脸图片数量多、容易受噪声干扰,致使人脸识别的识别速度慢、准确率低的问题,提出一种基于局部线性嵌入极限学习机的人脸识别方法——LLE-ELM算法。利用局部线性嵌入(LLE)算法对人脸数据提取特征,最大限度保留原数据的特征结构,减少数据量,降低计算复杂;采用极限学习机(ELM)算法对提取特征后的数据进行分类;实现人脸识别,输出识别准确率和时长。通过在ORL数据库、Yale数据库、AR人脸库和CASIA-WEBFACE人脸库上的数值实验表明:与PCA、SVM、CNN算法对比,该算法具有较高的识别准确率和较快的识别速度。     

一种冲击地压多参量前兆信息辨识模型及方法

 针对冲击地压预警困难这一难题,基于地音监测提出一种新的前兆信息辨识模型及方法。在固定大小的时间窗口内对地音监测信号进行时频域特征提取,得到11个表征冲击地压灾害前兆的多维特征向量,以实际地音监测数据为训练样本,基于SVM理论建立冲击地压多参量前兆信息辨识模型;提出一种新的SVM学习方法,用于解决工程实际应用中的大规模不平衡数据集训练问题,提高SVM分类准确率及速度。利用地音实测数据作为学习样本对支持向量机进行训练,建立相应的前兆辨识模型进行辨识,准确率达到93.87%。实验分析表明,这种方法有效可靠,样本辨识速度快,能够满足在线监测要求,具有工程应用前景。     

认知学习中的知识约等价问题

人类的知识获取过程通常是利用已有知识来推知相关知识的过程,机器学习可以借助这一过程,从学习的逆过程出发,把知识作为学习的出发点,来对认知学习进行研究和应用。以已有的知识作为参照知识,经过等价变换或约等价变换,产生新的知识。约等价变换过程包括知识的约等价扩充和约等价约简。等价变换过程处理同一层次的知识,约等价扩充过程产生细节级知识,约等价约简过程产生抽象级知识。实例分析表明,采用知识的约等价扩充和约简算法所产生的新知识的准确率较高,能够产生当前已有知识的细节级和抽象级新知识,为认知机器学习的知识处理提供了一定参考。     

基于多源信息融合的冲击地压态势评估方法

冲击地压态势评估是煤矿安全监测预警领域的热点及难题之一。本文以微震、电磁辐射及声发射等实时监测数据为基础,将态势评估理论引入冲击地压预测领域,建立了基于监测系统日志审计与实时修正算法相结合的冲击态势评估模型,通过改进D-S证据理论提出一种冲击地压态势量化方法。利用该方法计算得到连续时段的冲击地压态势值后,分别基于一阶灰色模型GM(1,1)及ARMA模型对冲击地压态势值进行预测并对比分析。实例结果及相关分析表明,所提冲击地压态势预测方法合理有效,能动态地反映冲击地压的发展趋势。     

基于无线网络的云医疗机器人系统仿真

医疗机器人是一门集医学、仿生学、机械力学、材料学、计算机科学、运筹学、机器人学等学科于一体的新兴交叉学科。随着传感器技术、通信设备,尤其是云计算的发展,云医疗机器人应运而生。一个云医疗机器人只需要少量的硬件和软件配置,它所需的大部分资源和计算过程由连接的云端提供。云医疗机器人从计算或者资源配置密集型转化为效率和功能密集型,从而可以更高效地完成复杂任务。本文设计一种云医疗机器人系统平台,该平台由医疗云平台层和远程云机器人层组成。以系统平台为基础,利用无线网络技术设计2个云医疗机器人系统案例,并进行仿真。仿真结果表明,云医疗机器人系统具有效率高、成本低和应用性强等特点。     

基于一种可扩展函数族的聚类算法

提出了可扩展函数族概念，将无关联的或者有依赖关系的多个函数，按照参数和自变最的特征集成一个函数族，可以通过增加或删除函数对函数族进行扩展。利用此函数族概念，设计了两种聚类算法，对其聚类性能作了分析。实验结果表明，用函数族方法进行聚类，在可伸缩性、增量数据处理和复杂数据类型处理等方面都表现出很好的性能，而且具有线性的时间复杂度。     

一种高效的关联发现算法：令牌群挖掘算法

令牌是一种具有生命周期的结构体,它从创建、运行到消亡形成一个完整的生命周期.令牌的创建是生成一个六元组,为要完成的任务设置各项参数.令牌的运行即执行各项命令,完成相关任务并返回执行结果,最后取消并回收令牌,以达到更好的效率.应用这种结构设计了一种新的关联规则发现算法,该算法通过创建并发送令牌完成对数据集的一次扫描,在扫描过程中对数据对象进行标记,然后完成数据的收集和规则模式的生成.实验结果表明,该算法具有线性的时间和空间复杂性,在增量挖掘方面具有良好的性能.     

改进的属性约简算法及其在肝癌微血管侵犯预测中的应用

基于邻域粗糙集的属性约简算法在进行属性约简时只考虑单一属性对决策属性的影响,未能考虑各属性间的相关性,针对这个问题,提出了一种基于卡方检验的邻域粗糙集属性约简算法（ChiS-NRS）。首先,利用卡方检验计算相关性,在筛选重要属性时考虑相关属性之间的影响,在降低时间复杂度的同时提高了分类准确率;然后,将改进的算法与梯度提升决策树（GBDT）算法组合以建立分类模型,并在UCI数据集上对模型进行验证;最后,将该模型应用于预测肝癌微血管侵犯的发生。实验结果表明,与未约简、邻域粗糙集约简等几种约简算法相比,改进算法在一些UCI数据集上的分类准确率最高;在肝癌微血管侵犯预测中,与卷积神经网络（CNN）、支持向量机（SVM）、随机森林（RF）等预测模型相比,提出的模型在测试集上的预测准确率达到了88.13%,其灵敏度、特异度和受试者操作曲线（ROC）的曲线下面积（AUC）分别为87.10%、89.29%和0.90,各指标都达到了最好。因此,所提模型能更好地预测肝癌微血管侵犯的发生,能辅助医生进行更精确的诊断。     

基于贝叶斯方法的决策树分类算法

针对数据挖掘的特点和本质,充分利用贝叶斯方法和决策树分类的优点,将贝叶斯的先验信息方法与决策树分类的信息增益方法相结合,提出了一种新的数据挖掘分类算法(BD1.0算法),并对此算法进行了设计和分析。实验分析表明,该算法可以处理不一致或者不完整数据等“脏数据”,比单纯使用贝叶斯方法或决策树方法具有更高的准确率,而且与C4.5算法具有近似的时间复杂度。