减聚类混合遗传算法在自动组卷问题中的应用

本文针对传统遗传算法（GA）常常出现局部收敛和后期计算效率低的问题,提出了一种基于减聚类思想的混合遗传算（HGAS）能组卷算法。该算法运用精英保留、均匀交叉、高斯变异和减聚类算子,并引入了动态随机搜索方法,使得全局和局部搜索能力都得到加强,提高组卷性能。而且,仿真结果表明该算法更能有效解决自动组卷问题,具有较好的使用性能和实用性。     

关于文本挖掘中文本聚类算法的研究

本文首先介绍文本挖掘的定义及一般处理过程。重点探讨了文本挖掘中的关健技术文本聚类。     

多类SVM在图像艺术属性分类中的应用研究

针对当前图像分类研究中,依据图像艺术风格属性进行分类的算法尚不多见的情况,实现了一种基于艺术属性的图像自动分类系统,其中主要涉及摄影作品、国画、水彩画、素描、油画等几种典型艺术风格的图像。系统采用支持向量机（SVM）作为分类器,运用分等级的分类方法,提出了一种针对艺术属性图像分类的特定SVM二叉树多类分类算法;而后通过对各类图像艺术风格特征的分析,分别提取了有代表性的、区分度好且易于计算的特征;最后针对各级分类特性和分类器总体特性进行了实验分析,实验结果表明,系统具有良好的分类性能。     

谱聚类在图像检索中的应用

为了进一步提高图像检索系统的效率,提出了一种由谱聚类算法预处理的基于内容的图像检索方法.主要思想是在用户提出检索请求之前,利用谱聚类算法将初始图像库划分为若干子库;用户给出示例图片后,首先搜索与示例图片相似度最大的子库,再将搜索范围锁定在该子库内检索出与示例图片最相似的图片.实验表明,该方法在保持了较高查准率的同时,明显缩短了检索时间,提高了检索效率.     

基于二维属性的高维数据聚类算法研究

聚类就是按照一定的要求和规律对事物进行区分和分类的过程.在这一过程中没有任何关于类别的先验知识,也没有教师的指导,仅靠事物间的相似性作为类属划分的准则,因此属于元监督分类的范畴.聚类分析则是指用数学的方法研究和处理给定对象的分类.针对目前很多聚类算法只能对低维数据进行聚类的问题,提出了一种改进的相异度度量方法对二维属性的高维数据采用层次分裂算法进行聚类,而且根据用户指定的参数聚类,并对传统相异度度量和改进的相异度度量方法的聚类结果进行比较,发现改进的相异度度量方法更适用于二维属性的高维数据的聚类.     

一种快速识别长流的方法

网络上的流统计呈现很强的重尾分布特性的研究表明,流长度越长其所属报文的平均报文到达时间间隔越短。通过聚类的方法,把属于同一个类中的长流识别出来,并把它们的标识符保存下来。根据理论分析和仿真结果表明,该算法能够很好地识别长流信息。     

基于DNN的网络数据库的应用

分析了网络数据库及相关技术,针对门户网站PWP的实际开发阐述了将数据集封装成对象对数据库数据进行操作的实现及优点,并结合实际运用测试说明了反射机制和三层架构的实现,体现DNN在网络数据库中的应用。     

基于WWF的自定义工作流研究与实现

针对办公自动化系统的工作流标准不统一、很难整合的问题,提出一种利用微软wwF的核心技术,实现工作流设计和状态跟踪组件的思路和方法,在此组件的基础上,可以很容易实现工作流的编辑、状态跟踪、流程设置,降低了工作流设计复杂度和操作的难度.结果表明,利用此组件的工作流适用范围广泛,集成容易、操作简单.     

基于稳定性的基因表达数据聚类算法选择

聚类是一种常用的基因表达数据处理手段,然而它又是主观的,如何选择符合数据内在分布的聚类算法成为目前急待解决的问题.根据经验,当选择最佳簇数k后,采用合理的聚类算法对目标数据重复聚类时,结果稳定性较好.因此提出一种基于稳定性的聚类算法选择.该方法将聚类结果的簇间分离度、簇内紧致度和聚类结果稳定性三者结合起来.在验证和应用三组数据时发现,比传统的评估方法,基于稳定性的聚类算法选择更客观、更可靠.     

一种新的半监督入侵检测算法

针对无监督学习的入侵检测算法准确度不高、监督学习的入侵检测算法训练样本难以获取的问题,提出了一种粒子群改进的K均值半监督入侵检测算法,利用少量的标记数据生成正确样本模型来指导大量的未标记数据聚类,对聚类后仍未能标记的数据采用粒群优化的K均值聚类,有效提高分类器的分类准确性,并实现了对新类型攻击的检测。实验结果表明,算法的整体检测效果明显优于基于无监督学习和监督学习的检测算法。