基于权重的云推理算法

虽然正态云模型具有普适性,但它在描述论域内单调上升或下降的概念时存在一些局限性,同时由于现有的云推理算法存在多条件下人为主观因素影响大、运算量大等问题,为此提出一种新的指数云模型来描述单调概念,并基于此提出一种基于权重的云推理算法。该算法将多条件发生器拆分为多个一维发生器,先通过层次分析法确定各个条件的属性权重,再采取加权平均法将单条件单规则发生器输出的结果精确化为一个具体的输出值。将基于权重的云推理算法用于鱼雷规避仿真系统中,并与模糊推理结果进行比较,验证了该算法的有效性和实用性。     

用于文本分类的特征项权重算法改进

TF-IDF算法是文本分类中一种常用的权重计算方法,但是TF-IDF仅仅考虑了特征项在文本中出现的次数以及该特征项在训练集中的出现频率,没有考虑特征项在各个类间的分布情况及特征项的语义信息。因此针对TF-IDF的不足提出了一种改进的TF-IDF算法,此算法既考虑了特征项在类内的分布情况又考虑了特征项的位置及长度等语义因素,能更好地反映特征项的重要性。用朴素贝叶斯分类器验证其有效性,实验结果表明该算法优于TF-IDF算法,能较好地提高文本分类的准确率。     

基于鲁棒性的链路权重规划算法

在IP网络中,链路权重规划是流量工程中的重要问题。为了优化网络流量并实现负载均衡,针对业务量矩阵的不确定性,依据鲁棒性理论提出一个链路权重规划的MIP模型。该模型使用Γ模型描述业务量矩阵的不确定集,通过表示扰动程度的参数Γ实现了对鲁棒性的调节,在此基础上求得不确定集中最差情况下的最优解。实验结果表明,与传统的链路权重规划方法以及新出现的MRC规划模型相比较,该算法可降低最大链路利用率,分别达到了40%和20%。     

基于差异路径权重的二部图网络推荐算法

针对二部图网络结构推荐算法中资源分配不合理的现象,同时为了丰富推荐结果多样性和促进冷门物品的推荐,提出了一种利用差异路径权重改变资源传递的二部图网络结构算法。利用用户相似性构造路径权重改变第一阶段资源传递规则,使资源较多地流向与目标用户相似的用户节点。通过物品属性相似的构造路径权重,使第二阶段资源更多地流向与目标用户已购物品具有相似属性的物品。实验结果表明,本算法相对于其他流行网络结构算法提高了推荐的综合性能,并且更好地解决推荐中的相关问题。     

基于组合赋权的湖泊健康评价物元分析模型

湖泊生态系统的健康是人与自然和谐相处及可持续发展理念的重要体现。通过建立湖泊健康评价物元分析模型,并改进其指标权重的计算,以离差平方和准则将层次分析法、熵值法及主成分分析法3种赋权方法取得的权重结合得到最优组合赋权,应用到某地5个湖泊进行湖泊健康评价。根据当地湖泊具体情况,选取12个详细指标建立评价体系与评价标准,通过模型计算得出结果显示5个湖泊中4个湖泊评价结果为优,一个评价结果为良,湖泊总体健康状况良好。因此该模型用于湖泊健康评价是非常有效的。     

大站SEO与小站SEO的发力点区别在哪儿?

正对于seo来说,他的技法都是差不多的,因为我们所有的网站进行优化不管是大站、中站还是小站,他们都是在一个池子里面进行关键词的比拼,没有道理说小站和小站pk、大站和大站PK!他们都是在一个池子里面,所以说整个算法对于大站、中、小站而言是一样的,因此基于算法所引申出来的,所有的     

网站优化过程中新手容易陷入的雷区

众所周知,搜索引擎优化随着搜索引擎的不断普及现在已经成为一门专业的技术领域,作为一个站长经常和搜索引擎打交道,利用搜索引擎为我们网站带来优质的流量,可见当下站长和搜索引擎是互利共生的关系,但是很多时候一个新人浮躁的心态下,往往会不经意间陷入很多优化的误区之中,其实站长的小聪明都是会被搜索引擎完全记录在案的,好了闲话短续笔者详细和大家总结一下。     

百度权重该如何提高

一些新建设的网站,在网站建设初期,在百度上的权重很低,连内容收录都很少,发布的原创新闻,搜索新闻的标题都搜索不到,这些种种情况都是因为权重低造成的。可以说,网站的权重决定了网站优化的成败,因此在进行网站SEO时,首要工作就是提升网站在百度上的权重。     

基于改进遗传模拟退火 K-means的心电波形的分类研究

针对心电图自动诊断困难这一问题,提出了一种新的聚类算法：基于均方差属性加权的遗传模拟退火K-means改进聚类算法,用于改进心电图（ECG）信号的自动识别技术。利用小波变换的多分辨率和抗干扰能力好的特点,检测QRS波、P波、T波,提高了特征检测的准确性;利用聚类分析具有较好的鲁棒性和适合于大数据量分析的特点,对心电信号进行波形分类。采用MIT-BIH标准心电数据库中的部分数据对识别结果进行判断,改进后的K-means聚类算法的准确率高于传统的K-means聚类算法,实验表明该算法对心电信号可以进行有效分类。     

一种基于区分矩阵的属性组合权重构造方法

详细分析了以基于Pawlak的属性重要度来构造属性权重的方法存在的问题,给出了一种基于区分矩阵的属性重要度的定义方法,并且得到了该定义方法的一些重要性质。在此基础上提出了一种新的信息系统属性权重构造方法,新方法是以条件属性在整个信息系统中的贡献度来确定属性权重,不仅反映了属性自身区分对象的能力,而且体现了各属性在整个条件属性中的分类能力。通过算例分析表明,该方法得到的属性权重更加贴近事实,因此它能提高属性权重的准确度。