摘要：数据流是随着时间顺序快速变化的和连续的,其包含的知识会随着时间的改变而不同.在一些数据流应用中,通常认为最新的数据具有最大的价值.因此,会采用时间衰减模型来挖掘数据流中的频繁模式.已有的衰减因子设计方式通常具有随机性,使得到的结果集具有不稳定性;或仅考虑算法的高查全率或查准率,而忽略了算法对应的高查准率或查全率.为了平衡算法的高查全率和高查准率同时保证结果集的稳定性,设计了均值衰减因子设置方式.为了更进一步地增加最新事务的权重、减少历史事务的权重,设计了采用高斯函数设置高斯衰减因子的方式.为了比较不同衰减因子设计方式的优劣,研究并设计了4种方式的时间衰减模型,并采用这4种模型挖掘数据流闭合频繁模式.通过对高密度和低密度数据流分别进行频繁挖掘的实验结果分析可以得出,采用均值衰减因子设置方式可以平衡高查全率和高查准率;采用高斯衰减因子设置方式与其他方法相比,可以得到更优的算法性能.

摘要：数据流中可能包含大量的无用信息或者噪声,频繁模式挖掘可以去除这些无用信息,且频繁模式比单个属性包含了更多的信息.因此,挖掘频繁的、有区分力的模式,可以用于有效的分类.该文提出一个两步骤算法PatHT(Pattern-based Hoeffding Tree)生成决策树用于可变数据流分类.第一步,设计增量更新算法CCFPM(Constraintsbased and Closed Frequent Pattern Mining),用于生成闭合约束频繁模式集合CFPSet(Closed Frequent Pattern Set).CCFPM中采用滑动窗口模型和时间衰减模型处理实例,设计一种均值衰减因子设置方法得到高完整性和准确性的模式集合.第二步,增量更新方法 HTreeGrow(Hoeffding Tree Growing)生成基于CFPSet的概念漂移决策树.该方法使用概念漂移检测器监督概念改变,自动调整分类模型.针对高密度和低密度的数据流,设计了不同使用模式集合的方法.在真实和模拟数据流上的实验分析表明,与其他同类算法相比,提出的方法对稳态数据流处理时可以明显提高正确率或可以明显降低训练时间,在处理不同概念漂移特性的可变数据流时也具有很好的分类效果.

摘要：针对当前艺术基础教学中色彩教学暴露的问题,重新对色彩基础教学进行探析,寻找出问题的原因及解决的方法,以使色彩基础教学成为培养学生综合素质,开发学生创新能力的有效途径,从而体现艺术教学的现代性。

摘要：文中首先分析降噪集成算法采用的样本置信度度量函数的性质,阐述此函数不适合处理多类问题的根源.进而设计更有针对性的置信度度量函数,并基于此函数提出一种增强型降噪参数集成算法.从而使鉴别式贝叶斯网络参数学习算法不但有效地抑止噪声影响,而且避免分类器的过度拟合,进一步拓展采用集群式学习算法的鉴别式贝叶斯网络分类器在多类问题上的应用.最后,实验结果及其统计假设检验分析充分验证此算法比目前的集群式贝叶斯网络参数学习方法得到的分类器在性能上有较显著提高.

摘要：贝叶斯网络在场景分类统计模型设计中得到广泛的应用。但现有的大部分贝叶斯网络场景分类引擎没有能够充分利用贝叶斯网络丰富的知识表现能力和有效的自动学习能力。首先提出了一种灵活的树型贝叶斯网络分类引擎,用于场景分类模型的设计。然后,以条件对数似然评价为标准研究这种模型的自动学习方法,通过对分类器等价类的研究,证明了树型贝叶斯网络分类引擎自动训练过程可以忽略网络中边的方向,并提出了一个不需要对边重定向的学习算法。由于通常的场景图像编码维度较高,省略了边的重定向过程能够有效地减少模型的训练时间。实验结果验证了所提算法的平均训练时间在基准场景图像库上比传统算法的减少23.32%。

摘要：为了提高贝叶斯分类器的分类性能,Keogh提出了以分类效率为基础的扩展贝叶斯网络分类算法SuperParent-TAN,这是一种依赖一个属性(one dependence estimator)的贝叶斯网络。这种算法不足之处在于查找超父节点(Super-Parent)和创建分类器工作的反复进行,时间花费较大。为了提高这种算法的分类效率,同时保证分类率,设计了基于信息增益和基于互信息的两种排序算法。通过在Weka平台上对UCI中32个数据集合的实验表明,基于信息排序的优化算法可以在保持分类正确率同时降低分类花费。

摘要：数据在网络中的传输需要网络协议的保障,同时网络协议的设计也需要结合通信的环境特征。TCP/IP协议设计的相关假设在有线网络或者节点间连接状况良好的无线网络中可以实现。在某些环境恶劣的受限通信场景中,TCP/IP协议体系难以完成数据传输的任务。为了满足多种需求、随时接入及不限地域的通信需要,引入容迟网络(DTN,Delay Tolerant Network)的概念。社会DTN网络通过无线连接,节点间的连接效能并不相同,对链路的性能进行评价,并作出定量分析,能够指导数据在网络中的传输。设计了基于链路效能的社会DTN网络路由算法——LABR。通过ONE平台仿真验证,对性能进行分析,并与现有路由算法进行对比。

摘要：箱涵在常规设计中采用矩形框架分析模型,该法无法准确反映箱涵倒角对结构内力的影响。实体有限元模型的应力云图能够清晰、准确地分析倒角对结构应力的影响,从而可比选出更适宜的细部构造尺寸。根据有限元分析的应力结果,运用弹性应力配筋法开展了箱涵结构配筋设计,分析了不同倒角尺寸对结构内力的影响,实现有限元分析与配筋设计的有机结合。

摘要：协同过滤方法是当今大多数推荐系统的核心.传统的协同过滤方法专注于评分预测的准确性,然而实际推荐系统的推荐结果往往是项目的排序.针对这一问题,将排名学习领域的知识引入推荐算法,设计了一种基于评分矩阵局部低秩假设的成列协同排名算法.选择直接使用计算复杂度较低的成列损失函数来优化矩阵分解模型,并通过实验验证了其在运算速度上的显著提升.在3个实际推荐系统数据集上,与当下主流推荐算法的比较实验结果表明,该算法具有良好的性能.

摘要：桥面板横向连接湿接缝最小宽度受钢筋连接方式制约,常规的数值模拟方法无法对钢筋环形搭接进行分析,限制了小宽度湿接缝的应用。通过混凝土裂缝有限元模型,分析了钢筋不同的连接方式;通过对比计算结果,验证了在桥面板湿接缝中可采用钢筋环形搭接。