基于克隆选择原理的免疫识别算法研究

传统基于人工免疫的识别算法对于正常行为和非正常行为的定义仅限一次,无法根据实际网络环境中的变化做出调整。克隆选择算法是基于群体的免疫算法,是一种模拟免疫系统的学习过程的进化算法,也是抗体集进行群体更新的策略。     

分布式检索中查询结果合并方法研究

查询结果合并是分布式信息检索中的一个重要步骤,其合并方法的选择直接影响检索结果的质量.本文首先对两种查询结果合并算法,即经典的CORI算法与新近提出的回归分析与选择下载相结合的Hybrid算法的基本原理进行了讨论研究,然后通过实验对这两种算法的性能进行了深入的比较分析.在实验过程中,采用平均准确率指标对检索结果进行评价.通过比较两种合并算法产生的平均准确率来评价二者的性能.结果表明,在不同的实验环境下,新的Hybrid算法的性能都要优于CORI算法.选择Hybrid算法进行查询结果合并能够取得令人满意的结果,比较适合作为分布式检索的查询结果合并算法.     

基于蜂群算法的神经网络集成

为选择差异度大的集成个体,构建精确度高的集成网络,。本文提出一种利于ABC算法(蜂群算法)去除冗余个体,新的选择性神经网络集成构造算法。该算法首先用可重复采样技术训练大量集成个体,继而采用蜂群算法,将网络集成预测误差作为优化目标函数,选择集成个体。并通过实验,在UCI数据集上,与传统算法进行了实验对比。实验结果表明,该算法无论从效率、精度、预测误差均优于传统算法。     

一种基于泊松估计的可控特征选择算法

特征选择是文本分类的关键技术之一.本文提出一种基于泊松估计的可控特征选择算法,该算法以基于泊松假设估算的文档频率作为衡量特征语义信息的依据,以通信领域中的信息率失真理论作为可控特征选择的思想来源.在Reuters-21578新闻语料上进行的实验结果表明,基于泊松估计的特征选择算法性能优于基于语义的WN算法和同样基于统计的IG、Chi2等算法;在以特征漏选率作为信息率失真函数的前提下,设定分类算法分类指标下限值,则可以通过改变特征漏选率得到任意的分类精度值.实验表明本文算法在与相关算法的对比中存在优势.算法思想来源于通信领域中的信息率失真理论,也是一种在领域融合方面的崭新尝试.     

浅析无线自组网的分群问题和算法选择问题

无线自组网在组网设计时需要考虑网络结构的选择问题,于是引入了分级网络结构。分级网络结构设计的一个重要问题就是网络分群问题,本文对此进行了重点描述,对一些重要的分群算法,如最小ID分群算法,最大连接度分群算法等的算法思想进行了描述,对各种分群算法的设计思路进行了比较,并对算法的性能进行了分析和阐述。     

基于训练集裁剪的加权K近邻文本分类算法

文本分类是信息检索领域的重要应用之一,由于采用统一特征向量形式表示所有文档,导致针对每个文档的特征向量具有高维性和稀疏性,从而影响文档分类的性能和精度。为有效提升文本特征选择的准确度,本文首先提出基于信息增益的特征选择函数改进方法,提高特征选择的精度。KNN(K-Nearest Neighbor)算法是文本分类中广泛应用的算法,本文针对经典KNN计算量大、类别标定函数精度不高的问题,提出基于训练集裁剪的加权KNN算法。该算法通过对训练集进行裁剪提升了分类算法的计算效率,通过模糊集的隶属度函数提升分类算法的准确性。在公开数据上的实验结果及实验分析证明了算法的有效性。     

基于蚂蚁算法的协同产品设计链合作伙伴选择研究

优化的设计链可以缩短产品上市的时间，从而获得竞争优势。合作伙伴选择是设计链构建的重要环节，设计链伙伴选择的求解是一个组合优化问题，将蚂蚁算法与遗传算法相结合用于合作伙伴的优化选择，利用遗传算法快速的全局搜索能力生成信息素分布，蚂蚁算法求精确解，优势互补，得到了满意的效果。     

基于免疫关联挖掘的教学信息评价

针对数据挖掘中的关联规则挖掘广度及效率问题,提出了一种基于免疫优化的关联规则挖掘算法.将数据原始记录和候选模式分别作为抗原和识别抗体,通过免疫聚类竞争加速克隆扩增,提高抗体成熟力及亲和性,增强候选模式支持度.在算法执行过程中,支持度大于阈值的优秀个体都将被作为记忆细胞保存下来.这样,记忆细胞所代表的模式满足最小支持度要求,可以很容易提取出也同时满足最小置信度要求的关联规则.试验表明,该算法加快了关联规则挖掘的收敛速度,具有更强的全局与局部搜索能力,提高了所得关联规则的准确率.在高校教学质量评估及规则挖掘中体现出应用价值.     

算法传播时代的选择性议题建构

算法如今逐渐成为各内容平台的主要内容分发方式,算法媒体的可见性逻辑,内容的个性化转向,使得内容制作者在选择议题时会迎合算法与用户,形成了选择性议题建构.内容制作者遵循算法逻辑,采取关键词、标签式的内容生成模式来制作内容,或是向专业的MCN机构寻求帮助.而算法主导下的选择性议题建构也产生了一系列后果,在个人层面它将用户变...     

K-means算法研究综述

对聚类分析中的基本算法K-means算法中的K值确定、初始聚类中心选择以及分类属性数据处理等主要问题进行综述,理清K-means算法的整个发展脉络及算法研究中的热点和难点,提出改进K-means聚类算法的思路。     

随机森林在高校信息碎片化整合中的应用

[目的/意义]面对高校信息呈现碎片化的趋势,提出高校信息碎片化整合流程,并应用随机森林算法构建高校信息碎片化整合的特征选择模型。[方法/过程]基于高校信息整合的发展现状与存在问题,分析随机森林算法原理及优势,将其运用到高校信息碎片化整合过程的特征选择模型中,并以高校贫困生认定为例,对该模型加以验证。[结果/结论]随机森林算法在高校信息整合特征选择上表现出较高的准确性和有效性,为高校信息碎片化整合提供了一种新的思路。     

世纪克隆大熊猫的福音

进入7月,有关克隆的话题再次“热”起来,继7月5日日本科学家宣布克隆成小牛“能都和加贺”之后,克隆羊“多利”也被验明正身,一个国际科研小组7月23日又在英国《自然》杂志上宣布培育成功三代克隆鼠,也就是用克隆动物克隆出动物,实现了“克隆的克隆”。 克隆动物的相继问世,标志着克隆技术正不断取得突破,这给畜牧业和濒危动物带来了福音。不久前,中国科学家也宣布:即将利用异     

DICV文本分类研究框架

文本分类实验包括实验文本集准备、文本索引、特征降维、分类以及性能评估等多个步骤,每个步骤都有很多方法可供选择,而每个不同的选择都会对最终的实验结果产生影响.比较同一步骤中适用的不同算法的性能时,需要保证其他步骤使用相同的方法,使它们在相同的条件下运行.本文提出了文本分类的DICV研究框架,该框架包括核心数据(core data)、文本索引(text indexing)、分类算法(classification algorithm)和可视化界面(visualization interface)4个模块.该框架设计的重点在于①提炼一个统一的文本分类模型,为每个步骤的算法提供一个接口,实现了这个接口的算法就可以通过简单的配置应用于框架中,这使得研究者可以方便地选择各种文本索引、特征降维和分类算法,或添加新的文本集和算法,来完成其需要的文本分类实验.②自动记录文本分类实验各个步骤使用的算法、参数和结果,这使得系统能够将研究者的选择和实验步骤的中间结果记录下来,供研究者在后续研究中使用,可避免不必要的重复性工作,提高文本分类研究的效率.     

文献检索系统排序指标研究与实践

文章在研究PageRank,HITS算法,以及四个专业文献检索系统的排序指标的基础上,对专业文献检索系统的排序指标选择和优化方法进行了详细分析,提出了D-Rank(Document-Rank)排序方法,并详细介绍了该算法在万方数据知识服务平台中的应用情况.     

一种改进的互信息特征选择算法

本文在层次分类的环境下,首先实验比较了文档频率、信息增益、期望交叉熵、χ2统计、文本证据权、互信息6种常用的特征选择算法,结果是互信息的分类效果最差。然后对此作了分析,并在此基础上提出了一种改进型互信息算法。实验结果表明,改进型互信息算法要好于其他算法。单字词的去除使分类效果得到提高,说明词特征更能够比较完整地表达语义信息。     

动态K-均值聚类算法在RBF神经网络中心选取中的应用

RBF神经网络构造的关键问题是中心的选取,动态K-均值聚类算法采用调整聚类中心的方法,使网络中心的选择更精确。本文先简介了RBF神经网络的结构原理,然后将动态K-均值算法应用于BRF神经网络的中心选取,最后进行了仿真实验。实验结果表明采用动态K-均值算法确定中心的RBF神经网络逼近性能更好,具有较强的实用性。     

一种基于知网的K-means聚类算法

本文通过引入知网的概念,对传统的K-means聚类算法进行了分析,初始聚类中心的选择对聚类结果有较大的影响,初始值选择的不好,可能无法得到有效的聚类结果,这也成为K-means算法的一个主要问题。采用聚类中心的搜索算法来进行聚类中心的选取,对其初始聚类中心确定一个初始划分,运用“射靶”的原理进行了改进,找到“靶心”得到一个最终选定的初始聚类中心,从而提高算法的稳定性,得到较稳定的聚类结果。实验结果表明,采用改进后的K-means作为簇心生成算法,随着待聚类文档数目的增加,效率提升更为突出。     

算法推荐的实践与认知研究北大核心

互联网带来的大量用户数据和用户面对海量网络信息时的选择障碍,共同推动了算法推荐的产生。算法推荐在市场营销中大获成功后,迅速被引入新闻传播行业,不仅引发新的传播革命,也带来一系列伦理和社会治理问题,学术界对其研究从技术范式转向哲学社会科学范式,对算法推荐的批判被迅速接纳,推动了相关政策和实践的发展。     

存储器故障测试算法分析与研究

存储器应用广泛,使用量大,发展迅速,随着近年来存储芯片容量不断增大,故障检测难度与成本也逐渐上升。从存储器的故障模型和测试技术出发,对比分析了不同测试算法的特点,以便在实际检测中选择合理的测试算法,同时提出了一种改进型的测试算法,在基本不改变测试时间长度的情况下增加了故障检测类型,是一种简单可行的方法。     

集成检索系统中资源选择技术及算法

介绍近年来出现的主要资源选择技术的基本思想及算法,包括基于资源相关度排序的资源选择技术、基于文献分布状况的资源选择技术、基于检索成本计算的资源选择技术和基于资源内容等级结构的资源选择技术,并对目前的资源选择技术进行分析和评价。