一种优化的k-NN文本分类算法

k-NN是经典的文本分类算法之一,在解决概念漂移问题上尤其具有优势,但其运行速度低下的缺点也非常严重,为此它通常借助特征选择降维方法来避免维度灾难、提高运行效率。但特征选择又会引起信息丢失等问题,不利于分类系统整体性能的提高。从文本向量的稀疏性特点出发,对传统的k-NN算法进行了诸多优化。优化算法简化了欧氏距离分类模型,大大降低了系统的运算开销,使运行效率有了质的提高。此外,优化算法还舍弃了特征选择预处理过程,从而可以完全避免因特征选择而引起的诸多不利问题,其分类性能也远远超出了普通k-NN。实验显示,优化算法在性能与效率双方面都有非常优秀的表现,它为传统的k-NN算法注入了新的活力,并可以在解决概念漂移等问题上发挥更大的作用。     

GIS在119火灾自动报警与消防指挥系统的应用

本文简述了 119火灾自动报警与消防指挥调度系统在国民经济和人民生活中的重要性 ,介绍了以世界标准信息可视化系统MapInfo为平台 ,建立的 119火灾自动报警与消防指挥调度系统 ,实现了火灾自动报警及相关信息的查询和分析功能。     

基于面向对象数据访问中间件设计与应用

随着信息化建设的发展,大量多媒体数据、图像数据和空间数据的出现使得数据库规模越来越庞大,应用需求越来越复杂,数据库系统需要处理的数据已不再是单一的数据结构,传统的数据访问方法对数据处理效率已渐渐不能满足需求,通过构建元数据库描述异地、异构数据源,予以面向对象的含义,通过数据对象表、对象属性表等数据表体现原关系数据库中数据记录间的面向对象关系．并结合面向对象技术设计实现了对象一关系数据访问中间件。     

HMOFA:一种混合型多目标萤火虫算法

现实中不断涌现出数目众多且日益复杂的多目标优化问题,迫切需要发展新型多目标优化算法以应对挑战.将基本萤火虫算法拓展至多目标优化领域,提出一种混合型多目标萤火虫算法HMOFA（hybrid multi-objective firefly algorithm）.该算法提出使用混合水平正交实验设计和连续决策空间量化的方法生成接近于用户指定规模且均匀分布于搜索空间的初始种群,为后续的进化提供良好的起始点;利用外部档案中的精英解个体引导萤火虫移动,促使算法较快收敛;运用3点最短路径方法维持外部档案的多样性.HMOFA算法与另外5种代表性多目标进化算法一同在17个基准多目标测试题上进行性能比较,实验结果表明,HMOFA算法在收敛性、多样性和鲁棒性方面总体上具有较显著的性能优势.     

微波等离子CVD法在石英玻璃上生长金刚石薄膜

用X射线衍射、Raman谱和光电子能谱对石英玻璃上的金刚石薄膜进行分析,对于难用化学气相沉积在玻璃上生长金刚石薄膜的原因提出了一种解释.     

氧阴极电解槽运行情况

介绍了山东滨化集团股份有限公司氧阴极电解槽的建设、开车过程,工艺流程以及部分运行数据。运行数据显示:山东滨化集团股份有限公司的氧阴极装置比膜极距电解槽直流电解电耗降低600 kW·h/t。针对运行过程中出现的阴极过滤器滤芯使用寿命低、氧阴极单元槽电压高、氧阴极转子流量计结碱等问题;提出相应解决办法:用纯水清洗滤芯,降低电解装置负荷,更换流量计密封面和材质。     

动力厂变电运行管理系统的开发

从系统功能模型的角度分析并开发了变电运行管理系统。讨论了系统的业务模型和功能模型，分析了系统数据、数据库编程、系统安全问题及应对措施。     

GCr15套锻料芯表面毛刺缺陷的成因及对策

结合轴承钢套圈的套锻生产工艺过程,利用酸洗、金相等手段分析了套锻料芯毛刺缺陷的形成原因,提出了采用大断面连铸坯、低拉速、低过热度浇铸,生产过程中辅以电磁搅拌、末端压下等手段,予以改善铸坯得凝固组织。轧制过程采用较大的压缩比进一步改善钢材的内部结构,从而使得钢材得到致密的组织结构,进而改善GCr15套锻过程料芯表面毛刺缺陷。     

基于双线性模型的稀土萃取过程优化控制

针对稀土萃取过程的强非线性、过程的控制通常由经验丰富的工人手动调节、效率不高等问题,提出一种基于双线性模型的稀土萃取过程控制方法,实现稀土萃取过程的自动调节。首先,以物料平衡方程为基础,结合稀土萃取过程动态特性,进行机理分析,确定模型形式;然后,对模型进行分段集结降阶简化,通过工业现场采集的数据,采用最小二乘法对模型参数进行辨识,建立具有状态滞后的双线性模型,运用广义预测控制方法实现各控制流量的优化控制;最后,基于CePr/Nd萃取过程动态数据进行仿真实验,并与文献[11]的逐点线性化方法进行对比,证明了方法的有效性。     

基于锚点的快速无监督图嵌入

图嵌入降维算法由于其有效性被广泛应用.传统图嵌入算法构造K-Nearest Neighbors(K-NN)图的计算复杂度至少为O(n2 d),其中n为样本数,d为样本维度.在数据量大的情况下,构造K-NN图将非常耗时,因为其计算复杂度与样本数的平方成正比,这将限制图嵌入算法在大规模数据集上的应用.为降低构图过程的计算复...