基于Rough集的信息系统中各种基本信息的度量

文章对基于Rough集的信息系统中属性重要性、属性值间的相似性等属性信息及对象之间的相似性进行了度量研究，分别提出了其相应的度量方法，这些方法有助于系统研究信息系统中各种信息的特点和性质，便于数据的聚类分析和不确定性推理等。     

根据序列变化率预测软件阶段成本

针对软件阶段成本因少数据、不确定性使得用现有方法(如回归)难以预测的问题,文中提出一种新颖的预测方法,该方法从项目已完成阶段的成本序列中,通过变换得到反映序列变化快慢的"变化率",并用机器学习方法从历史项目中学习得到变化率阈值,然后用不同的灰色模型进行预测.在10个现实世界软件工程数据集上的实验结果表明,该方法平均预测误差比线性回归方法低20%～80%,显示出较大的潜力.     

基于RSDA的RDB与Rough集关系的研究

该文以Rough集数据分析技术(RSDA,RoughSetDataAnalysis)为基础,对关系数据库(RDB,relationaldatabase)和Rough集的关系进行了系统的研究。具体做法是,从Rough集与RDB产生的理论背景、关系与信息表的形式化语义、核心概念之间的关系、Rough度量与RRDM(roughrelationaldatabasemodel,简称RRDM)等方面对它们的关系进行了系统的、深入的探讨,并得出了相应的结论。     

支持金融决策的数据仓库系统

根据金融电子信息及其数据库系统的特点,分析了金融决策的需求,提出在金融业务操作数据基础上设计数据仓库系统的基本构架和技术要点。     

基于XML的统计数据定义与可视化方法

提出了一种基于XML的统计数据定义和可视化方法，能够将统计数据的标准化定义和可视化显示紧密地结合起来，具有较好的交互性和可扩展性．并介绍了根据这一方法设计的统计数据的定义和可视化系统StaChart,利用这种思路，也可以对其它类型的数据采取类似的方法进行定义和可视化．     

基于EM算法的文本聚类优化研究

针对现有的文本聚类算法难以取得满意结果的问题，以EM算法为基础，提出能分别描述相似、不相似聚类对的相似性分布以及重要、不重要文档的重要性分布的文本聚类优化模型（text clustering optimization model, TCOM）．基于该模型，设计一种通过合并不同的文本聚类结果以获取最优性能的方法．实验结果表明，利用该方法同时改善了聚类精度和召回率，其性能优于单独使用现有的硬、软聚类算法．     

基于CORBA的分布式Web挖掘系统的设计与实现

提出了一提出了一个基于CORBA的分布式Web挖掘系—DWMBC,它采用基于Web的管理模式,利用CORBA进行分布式处理。将分布式信息处理和Web挖掘有效地结合起来,具有跨平台、较好的安全性和可扩展性。另外,利用JAVA技术,它还能满足一些挖掘结果实时表示的要求。     

基于Ｂａｇｇｉｎｇ的组合k-NN预测模型与方法

k-近邻方法基于单一k值预测,无法兼顾不同实例可能存在的特征差异,总体预测精度难以保证．针对该问题,提出了一种基于Ｂａｇｇｉｎｇ的组合k-NN预测模型,并在此基础上实现了具有属性选择的Ｂｇk-NN预测方法．该方法通过训练建立个性化预测模型集合,各模型独立生成未知实例预测值,并以各预测值的中位数作为组合预测结果．Ｂｇk-NN预测可适用于包含离散值属性及连续值属性的各种类型数据集．标准数据集上的实验表明,Ｂｇk-NN预测精度较之传统k-NN方法有了明显提高．

     

无应答严次序发布传播复制策略算法及Java实现

介绍无应答严次序发布传播复制策略的定义、准则和算法，并给出Java现实中教据表及按心对象的定义、线程与Connection间的封锁关系速查表。该策略在集群服务器节点中容错4地复制备种文件、探作和教据更新。其中，双钥锁允许加锁者或下一个申请者释放互斥锁，次序管理遵循四个准则避免乱序、意图歪曲、因果牵制和反向因果牵制四个教据不一致问题，全局／局部／状态次序编号为检查和恢复组播教据异常提供了依据并可延迟到更新前进行。     

求方程近似解方法的Rough集解释

文章给出了数学中求方程近似解的两种方法的Rough集解释。该文利用Rough集的上、下近似理论来描述求方程近似解的过程,并把求方程近似解的问题归结为一个区间来进行讨论。