基于Boosting算法的文本自动分类器设计

Boosting算法是目前流行的一种机器学习算法。采用一种改进的Boosting算法Adaboost.MHKR作为分类算法，设计了一个文本自动分类器，并给出了评估方法和结果。评价表明，该分类器有很好的分类精度。     

基于关系数据库的空间对象处理技术研究

关系型数据库是目前管理数据最有效的方式,但传统的关系模型却无法描述现实世界中存在的复杂空间对象.在研究了关系数据库扩展技术的基础上,以通用商用数据库为基础,在扩展的关系数据库中描述空间对象并使用SQL进行空间对象运算,为如何在关系数据库中处理空间对象提供了思路和方法.     

一个中文文本自动分类器的设计

Boosting算法是目前流行的一种机器学习算法。采用Boosting家族的Adaboost．MH算法作为分类算法,设计了一个中文文本自动分类器,并给出了评估方法和结果。评价表明,该分类器和SVM的分类精度相当,而较基于其他分类算法的分类器有更好的分类精度。     

术语关系自动抽取方法研究

将术语关系抽取转化为分类问题,给出了基于机器学习的术语关系自动抽取流程。针对现有产生式和判定学习算法的缺点,提出了混合分类算法HC。该算法使得一部分特征值通过训练数据估计而来,另一部分特征值通过判定函数训练得到。实验结果表明,该算法优于原来的产生式学习算法和判断学习算法,在人工标注的小训练集上获得了较好的分类效果。     

Boosting算法综述

Boosting是近年来流行的一种用来提高学习算法精度的方法。以AdaBoost算法为例介绍了Boosting算法，并概括了它的各种理论分析，最后讨论了Boosting的应用及未来可能的发展方向。     

一种新的三阶非线性扩散图像平滑方法及其算法实现

基于非线性扩散在保留图像重要特征方面表现出的良好性能，通过引入图像局部特征（曲率），将曲率和梯度联合作为控制传导率的因素引入非线性扩散方程，提出了一个新的三阶非线性扩散方法，并讨论了该方法的数值实现。实验结果表明，这一方法对各种类型的噪声均有好的平滑效果。     

青铜器鉴定专家系统中的不确定性推理

讨论了青铜器鉴定专家系统的不确定性推理方法，包括知识的不精确表示，推理规则的不精确表示，组合证据的不精确描述以及推理规则的更新。并将该推理方法应用干文物鉴定领域，成功建立了青铜器鉴定专家系统。     

一种基于ASP技术的Web MIS权限控制系统的设计

介绍了ASP的体系结构和它在性能方面的优势，并结出了一个基于Web的权限控制系统的设计和实现过程，同时对该系统的优势和判断用户权限的函数作了详细说明。     

文本分类中连续属性离散化方法的研究

针对机器学习领域的一些分类算法不能处理连续属性的问题,提出一种基于词出现和信息增益相结合的多区间连续属性离散化方法.该算法定义了一个离散化过程,离散化了采用传统信息检索的加权技术生成的非二值特征词空间,然后判断原特征空间中每个特征词属于或不属于某给定子区间,将问题转换成二值表示方式,以使得这些分类算法适用于连续属性值.实验结果表明,该算法离散过程简单高效,预测精度高,可理解性强.