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。     

面向金融行业中间件的设计

介绍金融行业的交易中间件系统的设计。基于网络与应用处理设计了应用路由与用于业务处理的应用服务器,采用面象对象的模块化技术,设计了多协议插件,数据库统一访问技术、内存数据库技术、数据组件技术,统一认证技术等;支持业内流行的数据库,可在多个操作系统平台上运行。     

高效隐私保护频繁模式挖掘算法研究

阐述了隐私保护数据挖掘的目标,即在获取有效的数据挖掘结果的同时,满足用户对隐私保护的要求.针对个体用户及组织用户的隐私保护,论述了不同的方法,并归纳出隐私保护数据挖掘中所采用的两种主流算法.改进了高效隐私保护关联规则挖掘算法(EMASK)中需要完全的数据库扫描并且进行多次比较操作的弊端,提出了基于粒度计算的高效隐私保护频繁模式挖掘算法(BEMASK).该算法将关系数据表转换成面向机器的关系模型,数据处理被转换成粒度计算的方式,计算频繁项集变成了计算基本颗粒的交集.特别是数据的垂直Bitmap表示,在保证准确性不降低的情况下,一方面减少了I/O操作的次数,另一方面较大地提高了效率.     

基于马尔科夫逻辑网络的实体解析改进算法

实体解析(Entity Resolution,ER)是数据挖掘过程中关键而又费时的一个步骤.华盛顿大学的Domingos和Singla提出了基于马尔科夫逻辑网络(Markov Logic Networks,MLNs)的ER算法.基于此算法,在原有的MLNs体系中,引入了一个可变权重的规则,试图解决原有系统无法处理的实体二义性问题.实验证明,新算法能够有效缓解数据记录的二义性问题,并且在一定程度上提高了原始算法的精度.     

Agent通信语言KQML的实现及应用

论文针对KQML语言规范的新变化和实际应用领域的需求,提出了一系列面向Agent通信的KQML实现算法,初步实现了一个较完整的新KQML语言解释器,并将其应用于医疗保健顾问系统中的多Agent通信,收到了较好效果。     

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。