一种基于数据继承关系的C4.5分类优化算法

传统C4.5分类模型在选择属性分支利用信息增益的方法选择测试属性,相比其他树分类模型在速度和预测精确度上都有较理想的结果.但是C4.5分类模型在一个测试属性展开分支的时候需要对属性的每个值产生一个分支,这导致了决策树规模的增大,不利于分类模型泛化能力和健壮性.而在现实世界中存在着大量具有本体关系上的层次的继承关系的数据,例如体现在具体属性上可能是数据描述的精度或者抽象程度的不同.结合了数据的这一个特点和C4.5分类模型在选择属性分支利用信息增益的方法,在自动构造的继承关系树引导下构造了一个C4.5的改进模型,尽可能使训练样本在数据的更高的抽象程度作出分裂,以产生更少的分支.在UCI数据集上检验了该分类模型,实验结果表明该模型有效地提高健壮性上,在预测精确度和可理解性上的表现也比较好.     

基于协方差的高斯混合模型参数学习算法

对混合高斯模型参数估计问题的算法通常是基于期望最大(Expectation Maximization)给出的。在混合高斯模型的因素协方差矩阵已知、因素各分量独立的前提下,给出了基于协方差矩阵的机器学习算法,简称CVB(Covariance Based)算法,并进行了一定的数学分析。最后给出了与期望最大算法的实验结果比较。实验结果表明,在该条件下,基于协方差的算法优于期望最大算法。     

特大型矿井井架安装控制测量

介绍了特大型矿井井架地面组装时的轴线控制测量，井架吊架之前找正点的计算、标定方法，井架吊装就位过程中的找正观测，以及在井架安装的整个过程中应注意的问题。     

基于Spring的面向方面编程

面向方面编程(AOP)是面向对象编程(OOP)的一种扩展技术,能够很好的解决横切关注点问题,使得大型软件的设计和实现都能保持功能分离,解除代码耦合。采用AOP技术设计的软件,功能划分清晰,代码保持独立,系统维护简单。SpringAOP是AOP技术的一种实现技术。     

一种优化的蛋白质序列模式挖掘方法

蛋白质序列作为生物序列数据一个重要组成部分,对其的分析研究已经成为生物信息学中的一个重要的研究方向和内容.通过对序列进行模式挖掘,可以对蛋白质序列或某一蛋白质家族序列进行研究,因此蛋白质序列的模式挖掘已经成为蛋白质序列研究中的一项重要任务.MBioPM是一种最新的生物序列模式挖掘算法,该算法通过引入模式划分概念,提高算法的效率,但该算法在效率方面仍存在不足,而且挖掘结果存在冗余性的问题.因此,提出一种优化算法BioPMMH,通过带有模式划分特点的Hash链表结构来优化算法中的搜索空间及策略,并在算法过程中对重复模式进行过滤.实验表明,算法BioPMMH能有效提高模式挖掘的效率,并解决结果的冗余性问题.     

基于Ajax的Web富客户端设计

Ajax 利用JavaScript、HTML、DOM技术进行Web富客户端设计,后台异步执行与服务器的交互,不会因为交互而中断用户对屏幕的操作.Ajax 使得基于Web的传统客户端设计,达到与单机GUI方式同样的效果,对基于Web的分布式系统设计产生了重要影响.