基于减少语义标注偏差的语义Web服务发现（英文）

为了提高语义Web服务的发现性能,从Web服务描述上下文中抽取语义标注的约束信息并生成新的更精确的语义标注,从而减少语义标注与参数之间的语义偏差,精化Web服务的语义描述.首先,从本体定义中抽取概念的约束模板,并对Web服务的描述文本进行句法分析;然后,根据约束模板,从句法分析树中抽取语义标注的约束信息,并构造新的概念表达式作为对应参数的新的语义标注.最后,提出了一种新的语义相似度度量方法以度量概念表达式的相似度.实验结果表明：该方法能够提高语义Web服务发现的平均准确率,且计算代价相对较小.从描述文本中抽取概念的约束信息,能够减少标注的语义偏差,更精确地表达语义Web服务的语义,提高Web服务的发现性能.     

法律方法之运用探析——以许霆案为例

法律方法对于法治具有重要的意义,在一定程度上可以限制法官的恣意审判。法律方法也是法官必须掌握的一种工具,有利于实现司法的公正和判决结果的合理性。在某些疑难案例中,法律方法的正确运用显得至关重要。本文结合许霆案,对法律方法的运用进行全方位分析,以期探求在应对疑难案件时的运用思路和方法。     

觅食式教学法在大学教学中的应用思考

觅食式教学法以培养学生的探索精神、创造能力和解决问题的能力为目的,但是应用于大学教学时存在着一定局限性。应以觅食思想贯穿教学实践始末,重视学习材料的设计和运用,将觅食式教学建立在有意义的接受学习基础上,并综合多种教学方法构建开放的觅食式教学法。     

西方四种归纳学习法的比较

随着新课改的推进,西方的发现学习、探究学习、问题学习、项目学习在我国有越来越多的介绍和应用。四种学习法虽然都属于归纳学习,但由于它们的实施过程和要求存在一定差别,因此,只有充分认识到它们之间的异同,在基础教育教学中才能有针对性地选择运用。     

论数据挖掘的发展前景及潜在价值

作为一项通用的知识发现技术,数据挖掘技术旨在从少量数据中提取出人们感兴趣的数据信息。文章对数据挖掘概念的产生,数据挖掘与常规数据分析的主要区别,所能解决的几大类问题和所应用的领域都有清晰的论述,并且结合数据挖掘的应用模型及技术提出了数据挖掘的应用前景。     

基于不动点语义的Web服务发现

以不动点相关理论为基础，采用数据挖掘和概率统计的方法，对Web服务行为约束和概率统计语义的问题进行研究和分析。针对传统定性描述调用关系的不足，给出服务调用关系定量描述的方法，并给出Web服务间调用的不动点函数及相应算法。实验证明，此方法对Web服务发现是有效的。     

关联规则兴趣度的度量

本文对PS公式(关联规则兴趣度的一种度量公式,简单有效)的数学特性进行了深入的讨论,指出了它的优点和不足,并在此基础之上提出了一个新的度量规则兴趣度的方法.这种度量方法综合考虑了用户主观偏好、规则准确度、规则相关度对规则兴趣度的影响,克服了支持度-可信度框架的缺陷,可以用来简化寻找令人感兴趣规则的过程,优化现有的关联规则挖掘算法,因此,具有很好的应用前景.     

近年来我国数据挖掘研究综述

数据挖掘是人工智能、机器学习与数据库技术等多学科相结合的产物。作为当前重要的前沿课题之一 ,研究人员提出了许多数据挖掘理论和方法 ,并取得了许多重要的研究成果。本文运用统计、比较方法对相关著作和论文进行了统计研究 ,并对研究中的重点问题及相关成果作了分析总结     

一种基于k-最近邻的无监督文本分类算法

k-最近邻分类(KNN)是一种广泛使用的文本分类方法,但是该方法并不适用分布不均匀的数据集,同时对k值也比较敏感.本文分析了传统KNN方法的不足及产生这些不足的根本原因,并提出一种无监督的KNN文本分类算法(UKNNC).该方法先采用误差平方和准则自适应地从k个最近邻居所包含的各类别中挑选与输入文档于同一簇的部分邻居作为参照,然后根据输入文档对各类参照邻居核密度的扰动程度进行分类.实验证明该方法具有更高的分类质量,能够有效适用于分布复杂的数据集,同时分类结果对k值不敏感.     

Motion information analysis system based on acceleration signals

A motion information analysis system based on the acceleration data is proposed in this paper,consisting of filtering,feature extraction and classification.The Kalman filter is adopted to eliminate the noise.With the time-domain and frequency-domain analysis,acceleration features like the amplitude,the period and the acceleration region values are obtained.Furthermore,the accuracy of the motion classification is improved by using the k-nearest neighbor （KNN） algorithm.