一种新的基于SVM权重向量的云分类器*

提出了一种用支持向量机（SVM）权重向量解决高维对象分类的方法,并结合云理论建立了基于SVM权重向量的云分类器。采用云模型建立训练集的各属性模型,分类模型由属性模型集成得到,属性权重根据SVM权重向量得到,属性权重越大,其对分类的贡献越大;反之,越小。将新分类器与云模型分类器对积雨云、卷云和卷层云进行分类模拟实验,新分类器的分类准确度比后者总体提升了, 经过交叉验证, 结果表明新分类器性能稳定。     

基于分解云的分类器设计

基于云模型的分类算法多采用云变换和泛概念树方法,存在分类结果与先验知识不一致的问题。从粒度计算的角度对云模型理论进行了分析,揭示出云模型的粒度原理。提出了一种基于分解云的不同粒度下的云模型分类方法,并给出了分类方法的算法描述。用风云2C气象卫星的数据对算法进行了测试,从实验结果来看该方法具有较好的分类效果。     

98版五笔字型输入法中码元代码的快速记忆法

五笔字型汉字输入法是目前使用较为广泛、效率较高的汉字录入方法,可以说是学习汉字输入法的首选;而98版五笔汉字输入法是86版的改进版,因而是学习五笔字型汉字输入法的首选。但要快速掌握98版五笔字型输入法,需要快速记忆245个码元的代码、25个一级简码、25个键名汉字的代码、15个末笔字型识别码。笔者看到有很多人因为记不住这些代码,而对五笔字型望而生畏,最终不能学会,殊为可惜。这里向您介绍笔者设想的快速记忆这些代码的方法,帮助您快速掌握五笔字型。     

基于组件式GIS的广西农业气候区划应用系统

组件式GIS是一个基于组件对象的地理信息系统开发平台。它以一组具有标准通信接口的、可跨语言应用的组件提供GIS功能。与传统的GIS相比，组件式GIS具有系统集成性好、开发语言多样、可扩展性强、易于进行二次开发等特点，已经成为地理信息系统的一个发展趋势。该文介绍了利用组件式GIS开发的广西农业区划应用系统，包括系统的关键实现技术、总体结构、系统的主要功能等，并给出了系统应用的实例。     

基于压缩FP-树和数组技术的频繁模式挖掘算法

FP-growth算法是目前较高效的频繁模式挖掘算法之一.它只需扫描数据库两次,而且不需要产生和测试候选集,避免了这些费时的工作,因此该算法具有较高的效率.然而,FP-growth算法需要递归地生成大量的条件FP-树,这耗费了大量的存储空间和时间.综合已有的几项优势技术,提出了一种频繁模式挖掘算法CFPmine. 一是采用了基于压缩FP-树的约束子树的挖掘方法,避免在挖掘过程中生成条件FP-树,减少内存占用;二是采用基于数组的技术,减少FP-树的遍历时间,提高算法的效率.另外,在算法中还实现了统一的内存管理.实验结果表明,CFPmine是一个高效的频繁模式挖掘算法,其性能优于Apriori,Eclat和FP-growth算法,而需要的内存却少于FP-growth算法.