独立学院计算机专业建设的探索

通过分析我国独立学院的办学定位与人才培养模式和当前独立学院计算机专业建设存在的问题,探讨了独立学院计算机专业课程体系、实践教学体系建设方案,为更好地培养适应地方经济发展的信息技术人才服务。     

核为︱x-s︱~(-1)ln︱x-s︱的强奇异积分的数值计算法

讨论了核为︱x-s︱~(-1)ln︱x-s︱的一种强奇异积分∫baln︱x-s︱/︱x-s︱f(xdx),给出了它的Hadamard有限部分积分的定义,并利用Lagrange线性插值构造了函数这类强奇异积分的数值算法,最后分析和讨论了算法的误差估计。     

核为｜x—s｜^-1n｜x—s｜的强奇异积分的数值计算法

讨论了核为｜x-s｜^-1n｜x-s｜的一种强奇异积分fa^b ln｜x-s｜/｜x-s｜f（x）dx,给出了它的Hadamard有限部分积分的定义,并利用Lagrange线性插值构造了函数f（x）这类强奇异积分的数值算法,最后分析和讨论了算法的误差估计。     

多约束条件下生产排程智能优化技术

针对当前企业智能化生产中,多条工艺路线共享工序以及工单在生产过程中具有多个约束条件(如工期、优先级、产量等)的问题,提出了一种以“等待时间最短”为主的生产排程智能优化算法。综合考虑工单优先级、工期长短和紧急任务插单等因素,通过一种递归算法来计算工单等待时间,以最小化工单完成时间、最大化资源利用率为优化目标,建立了多约束条件下紧急工单处理的快速响应机制。在服装加工企业中的实际应用表明,相比手工排程及其他传统算法,文中提出的优化排程算法不仅缩短了生产周期,力求各工序的负荷率最大化,使企业的生产效率提高了20%及以上,同时还改善了排程系统的稳定性。     

基于直觉模糊聚类的Web资源推荐方法

在Web资源分类中,针对传统基于用户兴趣的方法不能准确反映用户兴趣的变化以及难以区分资源内容的品质和风格等问题,提出一种基于直觉模糊C均值聚类的Web资源聚类推荐方法。该方法首先根据用户兴趣度将Web资源表示为直觉模糊数,然后应用直觉模糊信息集成理论进行资源分类,最后实现向用户推荐相似或相近资源。理论分析和实验表明,该方法比传统的模糊C均值以及协同过滤方法在推荐质量上有很大的提高。     

一种改进的区间型不确定数据模糊聚类方法

针对区间型不确定数据的特点,该文提出一种改进的模糊C均值聚类算法(IU-IFCM)。首先对区间型数据进行特征变换,由p维特征映射成由2p维特征组成的实数据,然后考虑区间中值与区间大小关系,设计一种样本距离计算方法,通过模糊C均值实现对区间型样本聚类。理论分析与对比实验表明,该算法的划分系数(PC)及正确等级(CR)值比其它方法平均提高10%以上,表明有更好的聚类精度,对当前大数据环境下不确定数据的分类提供了一种新的解决方案。     

一种识别相似重复记录的模糊匹配方法

针对多数据源集成中存在的相似重复记录的问题,提出了一种基于用户兴趣度分组的模糊匹配识别方法。首先通过用户兴趣度方法来计算属性的权值,然后按照数据分组思想,选择权值大的属性将数据集分割成不相交的小数据集,最后在各小数据集中用模糊匹配算法进行相似重复记录的识别,为了提高识别效率,可选择余下权值大的属性进行多次分组和识别。理论和实践表明,该方法有较高的识别效率,能有效解决数据集成中相似重复记录的识别问题。     

一种特征加权FCM算法的图像重建技术研究

针对传统FCM(Fuzzy C-means)算法中初始聚类中心选取的随机性以及对初始值敏感的问题,提出一种基于进化策略的色彩空间加权的FCM聚类算法.通过在RGB(Red Green Blue)色彩空间矢量中设置加权矩阵来补偿各色彩的非均匀性,并采用一种类内最小距离最大的统计聚类算法来初始化聚类中心.实验结果表明,该算法能有效减少颜色量化后的均方差值,保持重建图像的整体层次和局部特征细节,对研究图像处理技术有较强的实际意义.

Abstract：

Aiming at a defect on randomness of the initial clustering center choosing and sensitivity of initial value in tradition FCM(fuzzy C-means) algorithm, a clustering algorithm about FCM of weighted color space based on evolutionary strategy is proposed. By interposing weighted matrix in RGB(Red Green Blue) color space, the color's inhomogeneous is compensated. And by using a statistics clustering algorithm of minimal maximal distance, clustering center is initiated. The experimental results show that the algorithm can decrease effectively the mean square deviation of color quantization, keep overall arrangement of ideas and part characteristic detail in image reconstruction, and has practical value to the study of the image process technology.     

非均衡原型结构模式模糊聚类方法研究

针对传统FCM算法通常只能检测大小近似相等呈球形或椭球分布的样本子集,而对样本结构、类型、密度分布不均衡的数据集聚类效果不理想等问题,提出一种基于原型初始化的样本隶属度分配方法.首先运用数学形态学理论对聚类原型初始化以获得模糊聚类的原型先验知识,在此基础上设计一种样本隶属分配方法进行样本聚类.理论分析和实验表明,该方法不但可以解决样本集内原型结构差异悬殊的数据集聚类问题,而且具有求解速度快、易于实现等优点.