摘要：在经典DBSCAN聚类算法中距离度量直接影响到聚类的结果,为了使观测数据的偏差不影响到距离度量,在研究观测数据预处理过程及经典DBSCAN聚类算法基础上,提出了一种DBSCAN距离度量的改进算法,指出了观测数据偏差修正的基本思想及改进算法的处理流程。仿真结果表明,改进算法能很好地修正观测数据的偏差,最终得到较好的聚类结果。

摘要：K近邻算法作为一种简单有效且易于实现的机器学习算法被广泛应用于模式识别的各领域。为了提高该算法的准确度和执行效率,需要在算法设计的多个环节上进行策略的优化。针对提高该算法的准确度,首先探讨了K值的选择问题,然后对几种距离度量的方法进行了分析比较,最后对分类决策规则问题进行了阐述。针对提高算法的执行效率,从样本数筛选、维度降低和搜索空间优化三个方面进行了分析,从而降低了该算法的计算复杂度。

摘要：迄今为止，手写体字符识别的研究已集中在单词和词组的识别上，词组通常由单词连接而成，其关键基元能增强单词识别器的作用。本文，我们对词组中的单词以及识别处理方式提出了一种优于间隔位置的分类法，它是一种新颖的方法。在处理方式上，单词分割检测适用于特殊的书写风格，参数取决于部件是否为“中间单词”间隔或“中间字符”间隔的特殊间隔关系的计算，而不必采用大量的训练装置。相反，它能调整间隔的分布，以代替词组图象的检验。文献中的方法是在不考虑词组中单词间隔对语义的影响下提出的，并与本文的方法作了比较。实验显示，识别率可改善5％。在大约1400个词组图象的分割中，其误分割仅为2％，其余均为正确的单词分割点。

摘要：论文针对在线社会网络中的信息扩散问题,提出了一个信息扩散的预测模型。首先给出了以好友关系作为用户距离度量的方法;然后将信息扩散看作是"社会扩散"和"内部扩散"两种方式同时作用的结果,并分别将Fick扩散理论和Logistic增长模型用于描述这两个过程,设计了Fick-Logistic扩散预测模型。最后,用该模型对Digg数据集中最具代表性的新闻实例进行预测。较高的预测准确率表明,论文提出的Fick-Logistic扩散预测模型能较好描述Digg在线社会网络中的信息扩散过程,具有较好的预测性能。

摘要：介绍了数据库中的入侵检测技术,设计了基于数据库的入侵检测系统模型,该模型采用新的结合距离度量思想的用户行为轮廓挖掘算法,考虑了给定数据库模式中数据结构和语义的数据库领域知识,对Apriori算法进行了扩展,挖掘出的频繁项集能更准确地反映用户行为轮廓.并将该模型应用到网站后台数据库的安全保护中,作为一个子系统用于实现后台数据库的入侵检测和保护,构建出一种新的网站综合保护解决方案.