基于包含度的单值中智决策信息系统属性约简

针对单值中智集利用单值中智关系处理信息融合问题、决策问题时过于严格。文中结合单值中智集和集合包含度关系，提出了单值中智集的包含度，并建立了单值中智决策信息系统的属性约简模型。定义了单值中智决策信息系统，给出了单值中智集的包含度定义和两种计算公式。提出了单值中智粗糙集模型，并讨论了其相关性质。给出求解单值中智决策信息系统属性约简的算法，并以例子说明算法的有效性。     

位置控制中速度设定值的给定方法

本文介绍了位置控制中速度设定值的给定方法,采用了一种平方根曲线和直线相结合的路径控制器。给出了推导过程,分析了参数设置对位置控制性能的影响。本文中采用的路径控制器综合考虑了位置控制中对快速性和精确性的要求,在实际中得到了广泛应用。     

从关系数据库中挖掘规则的粗集方法

利用粗集理论分析了关系数据库中属性间的因果关系，研究了从关系数据库中挖掘规则的方法，对该方法中条件属性的简化、提取规则的最小简化策略进行了详细讨论，给出了相应的算法。为从数据库中进行知识获取提供了一种新的途径。     

计算机传真中串行通信的研究与实现

介绍了计算机传真基本原理,分析了传真中数据格式,比较了Ｗｉｎｄｏｗｓ中几种常用的串行通信方法的优劣,实现了基于通信事件的多线程串行通信,解决了传真中串行通信问题。     

MIMO中继信道容量分析

对MIMO中继信道容量做了分析,首先推导了固定信道下的MIMO中继信道容量,然后,给出了瑞利衰落情况下的MIMO中继信道容量的上界和下界。并将容量界推广到了有偏信道的情况,给出了有偏MIMO中继信道的容量上界和下界。     

个性化服务中隐私保护技术综述*

介绍了个性化服务中隐私保护的特点,总结了当前个性化服务中隐私保护技术的相关标准和发展现状,并分析了个性化服务中进行隐私保护所面临的主要问题和挑战,最后对个性化服务中隐私保护技术的发展方向进行了展望。     

慕课在基础教育中推进的对策研究

分析了互联网教育的发展现状,介绍了慕课在基础教育中推进的必要性,列举了慕课在基础教育中推进的障碍,最后论述了推进慕课在基础教育中应用的对策.     

计算机机房的维护管理探索

本文对机房维护中常见问题进行了分析,着着介绍了机房中系统保护技术、数据恢复技术,并对机房中软件安全问题提出了解决的措施。     

基于关系数据库的工作流引擎的设计

工作流技术在企业应用系统的开发中得到了越来越广泛的应用,从最初在OA中广泛采用到现在已应用于众多关键业务中.根据WfMC的定义,工作流引擎是工作流管理系统的关键组件,本文给出了一个工作流引擎的数据库模型,笔者在COM＋环境中进行了实现,并应用于工程项目管理系统中,取得了良好的效果.     

让Office XP读出声音来

阐述在Office2002 XP中开发"从文本到语音"的语音合成功能,首先介绍了在Word中开发的程序和步骤,接着介绍了在PowerPoint中开发的方法和程序,最后介绍了如何在Access中进行开发的过程.     

面向对象程序的抽象类测试之研究

许多面向对象语言支持抽象类机制,抽象类是一种特殊的类,因为它本身不能被实例化,所以对抽象类的基于执行的测试就比测试一般具体类更复杂。测试一般类需要该类的实例,然后调用方法执行测试用例,并分析测试结果,而测试抽象类就不能直接这样做了。论文首先分析了抽象类的故障特征,并提出了抽象类测试的改进方法。     

生态课堂教学模式在VB程序设计的应用初探

本文运用生态学的理论和方法研究VB程序设计课堂中存在的问题,从多个角度对VB课堂进行深入探讨,力求从生态学的视角解读VB程序设计课堂,揭示其课堂中的失衡现象,进而构建VB程序设计生态课堂,将生态平衡的理念融入VB程序设计课堂教学中。     

三支类背景上的规则获取

规则提取是三支概念分析中的一个重要问题。首先,基于属性导出三支概念,定义了两种三支类背景,即三支条件类背景和三支决策类背景,给出了类背景上的类概念并且研究了类概念的结构。其次,讨论了三支决策类背景上的类概念与三支弱协调决策形式背景上的属性导出三支概念之间的关系。然后,提出了三支决策类背景上的规则获取方法,并且 通过比较证明了基于三支类背景获取的规则优于基于三支弱协调决策形式背景获取的规则。最后,利用三支条件类背景给出了反向规则与双向规则的获取方法。     

A hybrid approach for classification of rare class data

Learning of rare class data is a challenging problem in field of classification process. A rare class or imbalanced class learning is the common problem faced by many real-world applications, because of this many researcher work focused on this issue. Rare class data always generate wrong results because of overwhelming accuracy of minority class by majority class. There are lots of methods been proposed to handle imbalanced class or rare class or skew class problem. This paper proposes a hybrid method, i. e. classification- and clustering-based method, solving rare class problem. This proposed hybrid method uses k-means, ensemble and divide and merge methods. This method tries to improve detection rate of every class. For experimental work, the proposed method is tested on real datasets. The experimental results show that proposed method works well as compared with other algorithms.     

依赖于真子集的频繁邻近类别集挖掘

针对现有频繁邻近类别集挖掘算法存在重复计算和冗余邻近类别集的问题,提出一种依赖于真子集的频繁邻近类别集挖掘算法,适合在海量数据中挖掘空间对象的频繁邻近类别集。该算法用析构法建立邻近类别集数据库,用产生邻近类别集真子集的方法计算支持数,实现一次扫描数据库提取频繁邻近类别集。算法无需产生候选频繁邻近类别集,且计算支持数时无需重复扫描,从而达到提高挖掘效率的目的。实验结果表明,在海量空间数据中挖掘频繁邻近类别集时,该算法比现有算法更快速有效。     

基于超球支持向量机的类增量学习算法研究

提出了一种超球支持向量机类增量学习算法.对每一类样本,利用超球支持向量机在特征空间中求得包围该类尽可能多样本的最小超球,使各类样本之间通过超球隔开.类增量学习过程中,只对新增类样本进行训练,使得该算法在很小的样本集、很小的空间代价下实现了类增量学习,大大降低了训练时间,同时保留了历史训练结果.分类过程中,通过计算待分类样本到各超球球心的距离判定其所属类别,分类简单快捷.实验结果证明,该算法不仅具有较高的训练速度,而且具有较高的分类速度和分类精度.     

一种新的兼类样本类增量学习算法

提出了一种基于超椭球的兼类样本类增量学习算法。对兼有同一类别的样本,在特征空间构建一个能包围该类尽可能多样本的最小超椭球,使各类样本之间通过超椭球球面分开。增量学习过程中,对新增样本中的每一新类别构建超椭球,对新增样本中的各历史类别重新构建超椭球,使得算法在很小的空间代价下实现了兼类样本类增量学习,同时保留了与新增样本类别无关的历史类训练结果。分类过程中,根据待分类样本是否在超椭球内或隶属度来确定其所属类别。实验结果表明,该算法较超球方法具有较快的分类速度和较高的分类精度。     

多分类孪生支持向量机研究进展

孪生支持向量机因其简单的模型、快速的训练速度和优秀的性能而受到广泛关注.该算法最初是为解决二分类问题而提出的,不能直接用于解决现实生活中普遍存在的多分类问题.近来,学者们致力于将二分类孪生支持向量机扩展为多分类方法并提出了多种多分类孪生支持向量机.多分类孪生支持向量机的研究已经取得了一定的进展.本文主要工作是回顾多分类孪生支持向量机的发展,对多分类孪生支持向量机进行合理归类,分析各个类型的多分类孪生支持向量机的理论和几何意义.本文以多分类孪生支持向量机的子分类器组织结构为依据,将多分类孪生支持向量机分为：基于“一对多”策略的多分类孪生支持向量机、基于“一对一”策略的多分类孪生支持向量机、基于“一对一对余”策略的多分类孪生支持向量机、基于二叉树结构的多分类孪生支持向量机和基于“多对一”策略的多分类孪生支持向量机.基于有向无环图的多分类孪生支持向量机训练过程与基于“一对一”策略的多分类孪生支持向量机类似,但是其决策方式有其特殊的优缺点,因此本文将其也独立为一类.本文分析和总结了这六种类型的多分类孪生支持向量机的算法思想、理论基础.此外,还通过实验对比了分类性能.本文工作为各种多分类孪生支持向量机之间建立了联系比较,使得初学者能够快速理解不同多分类孪生支持向量机之间的本质区别,也对实际应用中选取合适的多分类孪生支持向量机起到一定的指导作用.     

A study on factor analysis to support knowledge based decisions for a smart class

A smart class provides an environment that enables collaboration, sharing, and participation between teachers and students. Thanks to the great attention paid to the smart class idea, with a view to providing effective and efficient learning for students, many state-of-the-art technologies have been applied to the field of education. However, simple infrastructure construction and the introduction of state-of-the-art technology have many limitations in obtaining the desired effects of a smart class. This study aims to discover the important elements that allow a smart class to achieve positive effects in education and to support the design and application of a smart class based on the derived elements. In the study, an integrated teaching and learning assistance system was applied to a smart class. A smart class environment was constructed that was applied and test operated in an elementary school for 4 weeks. Through the test operation of the smart class, the important elements of an effective smart class were determined to be system playfulness, perceived usefulness, perceived ease of use, and attitude toward class.     

类的封装与继承

面向对象的程序设计语言,如C＋＋,引入了“类”的概念。相似的对象通过归入某一“类”而联系起来。“类”使数据与程序的封装成为可能,让代码更加安全。由此引发的继承等概念,更是大大提高了语言的灵活性。然而使用类的时候,需要十分小心,以免带来潜在的安全隐患。MISRA C＋＋指出了避免这些陷阱的方法。