基于统计的无词典分词方法

通过分析词的结合模式，提出无词典分词模型，并对该模型进行实验测试。测试结果表明，无词典分词模型能够满足快速分词的要求。     

基于个性化服务的元搜索引擎模型

概述了元搜索引擎的现状与基本结构原理,提出了一种新的智能化提供个性化服务的元搜索引擎设计方案。     

基于基因表达式编程的粗糙集属性约简研究

属性约简是粗糙集理论中的核心问题,如何能够快速且有效删除其中不相关的或不重要的属性是当前所迫切需要的研究。针对这一需要,本文提出一种基于基因表达式编程的属性约简算法,该方法具有较快的收敛速度和不易陷入局部最优的优点。实验表明,这一方法能够快速有效地求出最小约简。     

学生认知能力的评估

在分析学生各种能力的基础上，建立一个基于知识结构的学生认知状态的评估方法。该方法包括领域概念模型、学生的认知能力和部分能力的具体描述以及认知能力的评估方法（包括测试试题和评估）。该方法的特别是从知识结构的角度定性描述学生的认知能力。     

生活垃圾焚烧厂烟气净化系统改造工程案例分析

本文以某垃圾焚烧厂烟气净化系统改造工程为例,介绍了生活垃圾焚烧厂烟气处理工艺及设备,并对改造前后各污染物排放进行了对比。     

关联规则的不确定性度量研究

自动地从数据库中挖掘关联规则是非常重要且十分有用的，这是因为已开发和研制的数据广泛地遍布于整个世界。关联规则的不确定性由两个因子：支持度和可信度来度量．该文研究和给出已有的度量的性质，为进一步开发数据挖掘软件提供参考。     

一种聚类挖掘软件数据的方法

提出了一种聚类挖掘软件数据的方法。首先将一组软件数据的最可能分类情况称为“中心知识”。将该组数据的所有可能分类结果称为“知识的浮动域”，最后将“中心知识”对应分类的可信程度称为“知识的正确度”。分类结果的评价标准主要考虑到：分类数目适中，每个类内半径尽可能小，类间距离尽可能大的分类结果具有较高的评价分数。进行的“软件数据挖掘实验”结果表明，这种方法更加准确、更加切合实际。从理论和实践上证明了软件数据挖掘具有广阔的发展前景。     

用于分类的支持向量机

支持向量机是20世纪90年代中期发展起来的机器学习技术,建立在结构风险最小化原理之上的支持向量机以其独有的优点吸引着广大研究者,该文着重于用于分类的支持向量机,对其基本原理与主要的训练算法进行介绍,并对其用途作了一定的探索．     

RBQENN算法在不平衡数据分类问题中的应用

针对kNN分类算法对不平衡数据进行分类可能偏向多数类的问题,提出了象限壳近邻分类算法。该算法仅选择测试样本象限方向上的最近邻的训练样本来判断其所属类别,从而有效地避免了kNN算法对选取k个最近邻训练样本时可能产生偏向多数类的问题。通过在UCI真实不平衡数据集上的实验,该文提出的分类算法在Recall、F-value和G-mean等评价标准明显优于传统的kNN分类算法。     

多数据库挖掘中独立于应用的数据库分类研究

目前的数据挖掘技术大多只针对单一数据库进行挖掘．当数据库有多个时，需要用到多数据库挖掘技术．应用聚类思想，提出一种独立于应用的数据库分类方法，并给出了相关的算法，最后用实验证明了该方法的正确性和有效性。