类关联词约束的K-Means半监督文本聚类方法

提出了一种利用类关联词和K-Means聚类算法实现对文本文档进行分类的方法。类关联词是与类主题相关、能反映类主题的单词或短语。根据文档中包含的类关联词,形成初始聚类中心。在聚类算法过程中,类关联词提供的信息被用来约束待分类文档与聚类中心的相似度比较,加快了算法的执行。实验证明了算法的有效性。     

网络服务器选购UPS的策略

网络服务器的安全运行离不开UPS不间断电源的正常工作。但UPS能否发挥出其应有的作用,保证网络服务器的正常工作,前期采购工作中的正确选择策略无疑是非常重要的。只有正确地为服务器选购了UPS电源,才能使UPS发挥出最佳的功能。     

专利技术术语共现的战略图分析方法*

利用从专利名称和摘要文本中抽取的技术术语,采用第三代共词分析技术进行技术研发主题分析。根据技术术语的共现频率采用对等(equivalence)指标计算术语之间的连接强度,按照一定规则将术语聚类为技术主题簇,引入密度(density)指标和中央(centrality)指标并绘制战略图以反映技术主题的研究地位。以燃料电池专利中抽取的技术术语为例,证实了此方法能够较好地反映技术主题研发状况。     

关联词约束的半监督文本分类方法

提出了一种没有训练集情况下实现对未标注类别文本文档进行分类的问题。类关联词是与类主体相关、能反映类主体的单词或短语。利用类关联词提供的先验信息,形成文档分类的先验概率,然后组合利用朴素贝叶斯分类器和EM迭代算法,在半监督学习过程中加入分类约束条件,用类关联词来监督构造一个分类器,实现了对完全未标注类别文档的分类。实验结果证明,此方法能够以较高的准确率实现没有训练集情况下的文本分类问题,在类关联词约束下的分类准确率要高于没有约束情况下的分类准确率。     

网络服务器选购UPS策略

UPS(Uninterruptible Power Supply,即"不断电电源供应器")是一种无中断供电装置,当外部交流电电源出现故障时,它能在不中断电源输出的情况下,保证负载设备的正常工作,从而保证了用户的数据资料的安全性.在一个网络中,最核心的设备之一无疑是网络服务器了,作为整个网络的数据中心,如果服务器一旦出现故障,后果将不堪设想.在没有UPS保护的情况下,突然断电可能造成服务器硬盘损坏或其它故障,从而使宝贵的数据丢失,或造成整个网络瘫痪.因此,在建设网络时,为服务器选购一台合适的UPS电源成为一项重要的工作.那么,怎么样选择UPS才是最佳的呢?     

基于稀疏分布式表征的英文著者姓名消歧研究

为将稀疏分布式表征理论应用到著者姓名消歧,了解其在解决姓名消歧问题时的效果,提出了基于稀疏分布式表征的英文文献著者姓名消歧方法。该方法选择论文摘要文本信息作为消歧特征,将其生成二进制表示的SDR码。根据待消歧论文的SDR与同名作者的论文SDR相似度对比来实现著者姓名消歧。最终得到的结果为准确率98.21%,召回率76.75%,◢F◣值86.17%,证明提出的消歧方法具有较好的效果。通过将该方法与利用合著者特征进行消歧的方法进行对比,说明该方法能够较好地解决文献著者姓名歧义问题。此外,该方法还可将作者未收录在作者库中的论文识别出来并将其指派给新作者,无须重新学习和更新模型。     

基于可信度的决策规则处理

在Rough集理论中,利用信息表通过数据预处理、属性约简、值约简等处理后,可以得到一组决策规则知识,其应用能够大大提高决策水平,但这些获取的知识完全建立在数据源的支持上。数据源在产生和处理的过程中容易受到一些事件或人为因素影响,因此所得到的规则知识可能和现实存在一定的偏差,如果不加处理将其直接应用于逻辑推理系统,可能影响决策的质量和效果。为此,提出了数据支持度、专家支持度和规则可信度的概念,引入专家的经验判断,利用专家的知识对获取的规则知识进行评价,形成规则知识可信度的排序,然后去除不可靠的规则知识,得到了具有较高可信度和实际应用价值的决策规则知识。     

水利工程管理数据挖掘模型研究

水利工程管理数据挖掘模型构建要考虑到数据仓库建设及与原有G IS集成问题。数据仓库可以将异构的数据源统一到语义一致的模式下,是建设数据挖掘系统的基础。数据挖掘系统与G IS集成的方式有嵌入式、松散耦合式、紧密耦合式3种,紧密耦合式是两者集成的最好方式。对水利工程管理数据的挖掘宜采用基于OLAP和OLAM的探查性数据挖掘模型。     

浅议6S管理与企业文化建设

65管理可以充实企业文化，可以推进企业文化。而企业文化又是企业管理的灵魂。     

重叠社区发现算法评价指标综述

重叠社区发现算法对于理解复杂系统、发现复杂网络中隐藏的规律等具有很强的应用价值,而评价指标是算法发现高质量重叠社区的一个关键要素,算法的进步常常依赖于评价指标的进步。现有研究对非重叠社区发现算法的评价指标有较多的总结,而没有对重叠社区发现算法的评价指标进行总结。对重叠社区发现算法的评价指标进行了系统的总结和回顾,将指标分为事先知道社区结构、事先不知道社区结构和其它三大类。事先知道社区结构的评价指标包括基于混淆矩阵、基于ARI、基于NMI三个子类评价指标,事先不知道社区结构的评价指标包括基于模块度、基于密度、基于元数据三个子类评价指标,其它类主要介绍算法可扩展性评价指标。深入理解各种评价指标对于开发和优化重叠社区发现算法、在实际应用中发现高质量社区具有重要价值。