基于序列分解的复杂系统的时序预测方法

现实中的时序数据，往往取自于复杂系统，表现出长记忆效应与短时不规则波动同时并存。传统的时序数据的分析和预测方法一般对不同层次的影响不加以区分，而是为其建立一个统一的模型，这使得在对复杂系统建模时需要用大量的参数予以表征，影响预测效率与精度。为此采用新的方法，将序列数据本身进行多平滑因子分解，对分解后的序列进行多尺度的采样并分别建模、预测，最后将结果整合。该方法应用于股票的实验表明，即使对起伏波动很大的时间序列，也能够得到较好的预测结果。     

面向异质关系的社区挖掘

利用数据挖掘技术，并结合最优化理论知识，研究了基于文献数据的异质关系挖掘问题，应用最小分割最大化的关系抽取算法，挖掘具有共同研究兴趣的研究者社区。在此基础上实现了基于关系链的挖掘分析，解决了应用当中的实际问题，能够更好地辅助研究者进行研究工作。     

解决证据推理中一类“0绝对化”问题的方法

In fact, evidential reasoning is a kind of commonsensible reasoning, so the reasoning results must be consistent with the basic common senses of human beings. In this paper,regarding to a kind of “0 absolutization” problem in the evidential reasoning, two real examples are given, and the handling method is brought forward. Compared with traditional approaches, this method embodies much more man's decision-making common senses. The "0 absolutization” problems in two examples are solved reasonably, and the results are discussed finally.     

基于地形的三维场景绘制方法

地形绘制是计算机图形学中的一个热门的话题,在游戏制作,仿真场景的构建方面都有重要的应用。文章给出了利用位图快速生成三维地形的算法。为了满足真实感的要求,使用了多纹理映射、天空盒以及简单水纹模拟技术。     

基于偏序压缩技术的频繁序列模式数据挖掘

基于频繁序列模式的压缩技术旨在提高数据挖掘结果的可用性和可理解性,从庞大的序列模式中发现有用的知识。分析了现有频繁模式压缩算法的不足,提出了在模式聚类函数的基础上生成一个压缩的偏序（Partial Order）的算法,实验结果显示该算法可以对频繁序列模式进行高效,高质量的压缩,可以得到数量更少、信息量更大的模式,从而提高发现的频繁访问序列的兴趣性。     

一个大规模垃圾短信实时过滤系统

在分析现有短信监控系统不足的基础上,结合文本分类技术和行为识别技术,设计了一种垃圾短信监控和过滤系统. 系统综合考虑短信发送行为特征、短信文本内容等特点,并采用实时分类和离线分类相结合的方法进行高效短信过滤. 此外,还设计了一组基于反馈的自学习机制,使分类器具备增量式学习能力. 与传统方法相比,本文方法在过滤效率和准确率两方面均获得大幅度提升.     

基于UML的面向对象软件设计

UML是一种通用的可视化建模语言,用于对软件进行描述、可视化处理、构造和建立软件系统的文档。使用UML进行软件设计能够比较显著地提高软件的开发效率,保证软件的开发质量。以中华童装网的开发为例,介绍了一种使用面向对象的UML软件设计方法。