模糊聚类算法EFCM及其在上下文广告关键词提取中的应用

随着互联网的高速发展,网络聊天(IM)软件中的上下文广告成为了网络主要赢利模式之一,也是网络营销中的一种重要方式.要精准地提供此类上下文广告就需要正确地提取聊天过程中的关键词.聊天文本不同于普通的文章,它是一种简短的文本,对于这种文本,传统的TFIDF算法存在着缺陷.本文针对传统TFIDF在处理此类文本时的不足之处,利用EFCM聚类算法来提高TFIDF算法对于这类文本的处理能力.     

用Java开发Intranet应用程序

通过研究Java和Intranet应用程序的特点,本文提出了几个实用的Intranet应用程序模块:配置文件过程、磁盘和屏幕记录、数据库联接、外观与效果.并探讨了如何用Java来实现这四个模块,为此扩充了一些非常有用的Java类.这些模块为Intranet程序提供了一个相似的环境,提高了开发Intranet的效率和质量.     

Struts异常处理机制研究及应用

Struts是一个优秀的开源框架,不仅在控制逻辑上有良好的表现能力,而且也提供了强大的异常框架。在这个框架下,异常定义和异常处理有许多方式,而自定义的异常类和可配置的异常处理方式成为开发者在处理异常时首选的技术。本文在对Struts中异常处理技术详细分析的基础上给出一个典型的应用案例。     

VC环境下军标动画的设计与实现

结合实例,在分析军标动画制作特点的基础上,探讨了VC环境下制作与播放军标动画的方法,着重描述了军标动画类的定义和军标播放过程的关键步骤,并且给出了Visual C＋＋编程实现的部分代码。     

“this”在Java中的应用分析

Java提供了丰富的类（Class）、接口（Interface）以及相应的方法（Method）。使用这些类或接口,用户可以定义自己的类或子类,并以这些类为模板创建对象（Objec）t。关键字＂this＂与＂对象＂密切相关,并使程序设计变得规范、简单、灵话。但在使用过程中,在不同场合其含义不完全相同,使用不当还会出现错误,对＂this＂的几种主要用法和出现的问题进行了分析。     

音响爱好者的福音——新款单片D类TPA3122D2

便携媒体设备对并不苛求音频功放的功率输出能力,而是在体积、性能、价格之间求得平衡。便携收音机中的CXA1622、随身听中的TDA2822M至今仍然在广泛应用。可谓经典,而在追求音质的产品里,飞利浦的TDA1517同样是一棵常青树,在高端的便携收录机里,它曾经是不二之选,后来的便携式DVD中,它也曾经被广泛应用,在创新的高端声卡中,TDA1517也占有一席之地,从SoundBlaster系列中的AWE32到最高端的AWE64Gold,都有TDA1517的影子。著名的帝盟S90声卡,也曾应用TDA1517作为功放电路。随着技术上的成熟,D类放大器在便携、平板媒体设备中的应用逐渐广泛起来,在20英寸左右的LCD电视中,     

运用特征点匹配的柱面全景图像快速拼接算法

针对大幅面图像的拼接问题,提出了一种新的基于特征点的柱面全景图像快速拼接算法。该算法在Harris角检测算法提取特征点的基础之上,针对传统RANSAC（random sampling consensus）算法在提纯匹配点时计算极其复杂,难以实现快速拼接的问题,设计了专门的聚类预筛选的方法进行图像特征点的预匹配,显著提高了特征点匹配的效率;在图像融合部分提出了最佳路径与HSI颜色空间的亮度权重函数相结合的算法,既有效消除了拼接图像中的鬼影现象,又使拼接图像达到了平滑融合效果。实验结果表明,该算法具有匹配精度高、鲁棒性强、计算效率高的特点。     

初始聚类中心优化选取的核C-均值聚类算法

在通常的核C-均值聚类算法中,聚类结果对初始聚类中心敏感,随机选取初始聚类中心时,会使得迭代次数较多、分类结果不稳定.针对该问题提出一种优化选取仞始聚类中心的算法.该方法采用一种改进的最大最小距离算法对原始空间中的数据进行粗分类,将粗分类结果中每类类心作为初始聚类中心,再运用核C-均值聚类算法进行分类.仿真实验结果表明方法能有效减少迭代次数,使分类结果更加稳定,分类识别率也有一定程度的提高.     

一种新的基于遗传算法的动态聚类算法

为了在聚类数不明确的情况下实现聚类分析,提出一种新的结合最近邻聚类和遗传算法的动态聚类算法.新算法包括两个阶段:第一阶段用最近邻聚类算法根据最近邻方法把最相似的实例分到同一个簇中并根据一些相似性或相异性度量过滤掉噪声数据从而得到初始聚类集,第二阶段是遗传优化阶段,利用动态聚类评估函数,动态地合并初始聚类集,从而获得接近最优的解.最后对算法进行了实验仿真,实验结果表明方法在事先不知道聚类数的情况下能够有效地进行聚类.     

3维图像中边界曲面可被等值面逼近的判定方法

在可视化技术中,人们常试图从3维图像中抽取特定的等值面,以近似表示3维图像中所包含目标的边界曲面。考虑到实际的3维图像中,某些目标的边界曲面可以被特定的等值面很好地逼近,但是由于许多目标的边界曲面事实上难以被任何等值面很好地逼近,因此,识别3维图像中哪些边界曲面可以被特定的等值面很好地逼近就成为可视化技术中一个非常重要的研究问题。为了准确地判定哪些边界曲面可以被特定的等值面很好地逼近,特提供了一个有效的判定方法。该方法首先计算紧密地分布于连续隐边界曲面两侧的目标网格点,然后判定计算得到的目标网格点集合与背景网格点集合可否在误分很小的情况被某些等值面分离开来。实验结果表明,该判定方法是可行有效的。