基于BIC测度和遗传算法的TANC结构学习

树扩展朴素贝叶斯分类器（TANC）是实用性较强的一种分类器，其性能优于朴素贝叶斯分类器。现有的TANC结构学习算法有基于互信息测度的相关性分析方法和贝叶斯信息测度（BIC）的搜索打分方法。将遗传算法引入TANC结构学习，用BIC作为评价函数，提出了基于BIC测度和遗传算法的TANC结构学习算法GA—TANC，并以此构建分类器，用分类准确率衡量算法的性能。实验结果表明，GA—TANC算法有更高的分类准确率，从而说明GA—TANC结构学习算法是准确有效的。     

基于BIC测度和混合遗传算法的BNC结构学习

贝叶斯网络分类器（BNC）结构学习是一个NP难题。贪婪搜索（GS）算法是一种有效且准确性较高的结构学习算法，但贪婪搜索算法很容易陷人局部最优。标准遗传算法是一种全局搜索优化算法，它通过模拟生物种群的进化过程，得到全局最优解。但就其个体而言，个体局部解的质量无法保证，不具备局部寻优的能力。提出了将两种算法相结合，以贝叶斯信息标准（BIC）测度为评价函数，得到一种混合遗传算法，实现了它们的优势互补。实验表明：该算法优于单独利用GS算法进行Bayesian网络结构学习，从而说明该算法的正确性和有效性。     

基于贝叶斯网络工具箱的贝叶斯学习和推理

采用MATLAB语言编制的贝叶斯网络工具箱(Bayesian Networks Toolbox,BNT)可实现贝叶斯网络结构学习、参数学习、推理和构建贝叶斯分类器,此工具箱在贝叶斯学习编程方面非常灵活.介绍了用贝叶斯网络工具箱解决贝叶斯学习和推理问题,并给出了两个实例.     

基于PowerBuilder的动态树型目录技术

在管理信息系统(MIS)的开发中,如何显示信息和提供方便直观的信息查询方式是一项重要的任务。首先分析基于树型目录的信息显示和查询的特点,然后结合开发MIS的实践,给出动态树型目录在PowerBuilder下的实现技术。     

基于选择性集成遗传算法的BNC结构学习

为克服IQ算法在处理贝叶斯网络分类器（Bayesian Network Classifier,BNC）结构学习中要求先指定适合节点次序的缺点,提出GA-K2算法,将基于选择性集成的整数编码遗传算法引入到K2算法中,使之能得到最佳节点次序并且网络结构收敛到全局最优．构建贝叶斯网络分类器进行分类,实验结果表明GA-K2算法优于随意指定节点顺序的IQ算法．     

基于Web的集成式课件研究

如何提高网络课件的适应性是当前课件开发的一个重要问题.从软件重用的观点出发,提出了集成式课件系统的开发思路和目标,并给出了系统实现的关键技术.该系统通过划分知识点和动态生成教学序列的方法来提高课件的灵活性.它提供了一个管理、组合和演示教学内容的框架,通过统一的教学内容制作规范确保该框架可以应用于其他课程,为实现课件资源的共享和重用提供了一个可行的途径.     

云计算环境约束下的软件水印方案

针对云计算环境下的软件知识产权保护需求,提出一种基于非等价语义混淆理论的软件水印方案。方案设计了一种非等价语义混淆方法,用于切割、隐藏代码语义,同时利用混淆规则虚拟映射水印。切割后的语义放置在一个独立的模块中,验证水印信息、恢复程序正常执行。对该方案的反编译实验表明,其逆向工程难度大,保障了水印顽健性,可有效保护放置在云端的代码。     

基于选择性集成的整数编码遗传算法及TSP问题求解

基于遗传算法的求解TSP(Traveling Salesman Problem)研究是近几年的研究热点.设计高效的遗传算法求解,有重要的理论意义和实用价值.本文考察了基于整数编码的遗传算法的选择算子、交叉算子、变异算子,运用选择性集成的思想,将几种算子集成,随进化的进程对交叉概率和变异概率做自适应调整,用Matlab编写遗传算法程序,求解中国31城市TSP问题,获得了优于目前同类工作的结果.