因素空间理论下基点分类算法研究

目前，基于因素空间理论的背景基提取算法计算过程复杂，初始化必须依赖各因素极值，基点数量提取冗余等原因，未能在应用中取得很好效果。为此，结合内点判别法和知识可继承、可扩展的思想，提出一种计算简单、初始化独立、基点数量小的改进的背景基提取算法。然后，利用改进的背景基提取算法构造出一种全新的数据分类算法-基点分类算法，基点分类算法以提取每一类样本的背景基为预测模型，再通过新定义的λ-背景基，优化预测模型。数值实验表明:基点分类算法原理简单、构造难度小、分类模型泛化能力强，预测能力准确率高，同时严格的模型限定区域又能为识别新类别提供新方法。     

一种基于Spark的不确定数据集频繁模式挖掘算法

如何在海量不确定数据集中提高频繁模式挖掘性能是目前研究的热点.传统算法大多是以期望、概率或者权重等单一指标为数据项集支持度，在大数据背景下，同时考虑概率和权重支持度的算法难以兼顾其执行效率.为此，本文提出一种基于Spark的不确定数据集频繁模式挖掘算法（UWEFP），首先，为了同时兼顾数据项的概率和权重，计算一项集的最大概率权重值并进行剪枝；然后，为了减少对数据集的多次扫描，结合Spark框架的优点，设计了一种具有FP-tree特征的新颖的UWEFP-tree结构进行模式树的构建及挖掘；最后在Spark环境下，以UCI数据集进行实验验证.实验结果表明本文的方法在保证挖掘结果的同时，提高了效率.     

技巧补习班

Qiji-sonyhome：前段时间玩波斯王子的时候由于需要把E盘由FAT32转到NTFS了，那请问把NTFS转到FAT32怎么转啊？我把FAR32转到NTFS的时候是不需要软件的哦，那转回来需要的吗？     

一种在线烧写Flash的方法研究与实现

本文介绍了一种基于VXI总线，共享存储器的Flash ROM在线烧写方法，阐述了系统的功能，并给出了系统的硬件组成和软件设计。     

BM勾勒中国通信蓝图锐意创新打造主机时代

近日，IBM在广西桂林美国的漓江之畔隆重召开了题为“心无旁骜，高枕无忧”的IBM System z系列大中华区用户大会。来自IBM的战略及技术专家和与会的System z系列用户就数据海量增长、安全需求提高、数据集中管理、复杂任务处理和IT能源成本不断上升的现状和挑战，围绕重塑主机角色、主机时代回归等话题进行了广泛、深入的探讨。IBM系统与科技事业部System z系列全球销售副总裁Robert J Hoey先生、IBM系统与科技事业部System z系列大中华区总经理杨宇先生、IBM大学合作部大中华区总经理邱晓萍女士以及数位IBM System z系列的技术专家共同出席了用户大会．