基于支持向量机的文本自动分类试验研究

提出了将支持向量机应用于文本自动分类的研究，与常用的K-最邻近法相比，无论是对训练数据集还是测试数据集均具有一定的优势，而且不同特征选择方法对支持向量机的影响要比K-最邻近法小。此外，从研究中的不同特征选择的评价函数来看，它们对分类有一定的影响，应用X2统计进行特征选择的分类正确率最高，其次是文本证据权，而期望交叉熵的效果最差，说明特征选择在文本自动分类中也是相当重要的。     

基于用户自然标注的TF-IDF辅助标引算法及实证研究

[目的/意义] 从用户角度出发,研究基于用户自然标注的TF-IDF辅助标引算法。[方法/过程] 首先以核心期刊论文中作者标注的关键词和分类号为源数据,通过对关键词词频进行统计,使用TF-IDF算法构建用户标注词表、形成标引知识库,然后通过IK Analyzer分词软件对待标引的科技项目数据进行切词和停用词处理,进而使用TF-IDF算法和位置加权算法提取科技项目数据的特征词,最终实现对科技项目数据进行关键词和分类的同步标引。[结果/结论] 实验结果表明,机标关键词与人标关键词的相似比在60%以上的科技项目数据占总数的68.1%,机标分类号与人标分类号前三位一致的占总数的83.9%,结果表明基于用户自然标注数据并采用TF-IDF算法在关键词和分类标引方面是可行的。     

一种实用的MPLS约束路由算法

MPLS流量工程是保证网络QOS的有效途径,而显式路径的建立是MPLS流量工程实施的关键问题之一。本文在分析了最近最宽路径算法和负载均衡算法后,提出通过计算网络最大流,以带宽需求为主要依据,同时考虑其它QOS参数的约束路由算法。该算法最大优点是简单实用,与此同时,可以在一定程度上均衡系统的负载。     

语义分类的学科主题演化分析方法研究——以我国图书情报领域大数据研究为例

[目的/意义] 学科主题演化研究有助于掌握学科发展现状、研究热点、研究前沿和发展趋势等情况,是进行科技创新的基础,是面向科技创新的重要研究方向。[方法/过程] 提出一种语义分类的学科主题演化分析方法：将关键词分为研究问题、研究方法和研究技术3类,构建不同语义分类的共词网络;然后基于Fast Unfolding社区发现算法识别具有语义特征的社区（主题）;利用相似度算法计算相邻子时期主题间的相似度,构建学科主题演化图谱,以分析某学科领域研究问题、研究方法和研究技术的变化,实现深度、细致的学科主题演化分析。[结果/结论] 通过对2012-2015年CNKI数据库收录的我国大数据研究领域相关论文数据的处理分析,证明该方法的准确性和有效性。     

基于“问题-用户”的网络问答社区专家发现方法研究

[目的/意义] 以网络问答社区为研究对象,提出基于“问题-用户”传播网络的专家发现方法,为建立用户激励机制、完善专家推荐方法提供借鉴。[方法/过程] 通过分析开放问答模式的特点,以“问题”和“用户”为节点、“答题关系”为有向边,构建“问题-用户”权威值传播网络,利用答案质量改进加权的HITS算法。[结果/结论] 提出的算法可以较好地兼顾用户的答题数量与答案质量,能够选择出活跃度高、知识渊博的用户作为专家。     

DES密码算法分析与改进

DES是我国信息传递领域中通常采用的密码算法,在金卡工程中得到广泛应用。本文分析了DES算法的加密和解密规则,指出了DES算法中存在的缺陷,介绍了加强DES算法安全性的七种改进措施。     

Apriori算法在网上考试系统中的应用

在远程教育系统的网上考试系统模块中,数据库和数据仓库中的用户交互数据记录了用户对系统的访问行为信息,利用最小支持度和最小置信度,挖掘出频繁项集,对这些信息的分析有利于远程教育教学管理人员和教师掌握学生对知识的掌握情况,从而可以对教学内容加以改进,对教学平台进行优化.     

非平衡多阶段物流系统建模与优化方法

首先提出了参数化界面分布的新概念,将一个非平衡多阶段物流系统转化为多个相互独立的单一阶段物流系统,然后采用Prüfer数对每个阶段上的物流模式进行编码.通过一种改进的解码方法,任何一个随机产生的Prüfer数都能够被解码为一个与物流系统的节点容量相匹配的可行的物流模式.基于这2点创新,建立了一种新的基于参数化界面分布和Prüfer数编码的系统建模方法,相应的遗传算法称为PIP-GA方法.与st-GA方法相比,PIP-GA不但具有更好的优化结果,而且需要的计算时间更少;虽然所需的存储空间有所增加,PIP-GA仍然是一种有效而稳健的非平衡多阶段物流系统建模与优化方法.     

创建neighbor-joining进化树的快速算法

为了改善Saitou和Nei提出的neighbor-joining进化树算法(SN)及Studier和Keppler的改进算法(SK),降低计算的时间复杂度,设计了一种快速算法.该算法涉及3种技术第一,引入一个线性数组A[N],用于存储距离矩阵每一行的值,以减少许多重复计算;第二,A[i]的值在算法开始时全部计算,在迭代步中间只进行更新3个变化的值;第三,设计了一个紧凑的公式用于计算OTUs之间的边长,并对该公式进行了证明.实验结果表明随着节点数的增多,该算法比SN算法快几十倍到上百倍,比SK算法快2倍以上;在一台桌面计算机上,该算法能在3min左右创建具有2000个节点的进化树.以空间换时间,减少最内层循环的计算量是设计多重循环算法的基本思路.     

一种自适应蚁群算法及其应用

蚁群算法是一种具有许多优良特性的新型算法,该算法具有较强的发现较好解的能力,但同时也存在容易出现停滞现象,收敛速度慢等缺点。在介绍基本蚁群算法的基础上,针对蚁群算法的不足,提出了一种自适应蚁群算法。该算法对蚁群算法中的信息素在更新过程中进行自适应调整。实验结果表明,该算法比传统的蚁群算法具有更好的搜索全局最优解的能力,并具有更好的收敛性。