给C++增加一种新的数据类型

介绍用C^ 实现的一种短浮点类型sfloat，它是16位的，可以代替标准的32位foat类型，特别适合于仅需要16位的浮点类型并且有大量的数据存储要求的C^ 应用程序。     

基于混合比例方法抽样用于入侵检测

支持向量机对于样本量不足的情况下会使得入侵检测分类精度普遍下降.为了提高入侵检测的检测精度,提出了一种利用混合比例抽取样本研究不平衡数据集的方法.该方法首先将数据集按各种类别分开,然后不按比例抽取,使得每层样本中的数据量相对平衡.再用此样本集构造分类器,采用构造的分类器去构建入侵检测系统进行检测.实验结果表明,使用这种混合比例的不平衡数据集分类方法可以有效地提高检测精度,而且降低误报率.     

基于粗糙集和模糊聚类理论的文本分类系统的研究与实现

随着Internet的发展及广泛应用，越来越多的文本信息以待阅读和处理。文本分类成为众所关注但仍未很好解决的热门课题。本文提出一种基于粗糙集和模糊聚类（RS＆FC）理论的文本分类新模型，详细讨论和分析了该模型的总体设计思想、主要实现技术和有关的算法及实现方案。该模型在分类规则产生之前，以训练样本直接聚类的结果构造信息表，并对表中的连续属性离散化，再对信息表中的特征词属性进行二次聚类，压缩文本特征子集的向量维数，提取关键字特征属性，建立决策信息表，然后利用粗糙集理论，采用启发式约简算法，对信息表进行约简，产生优化的分类规则，指导文本分类。最后通过实验和性能评价，本文提出的分类方法的分类准确率高于传统的K-最近邻分类（K-NN）法，提高了系统的适应性能和分类能力。     

基于蚁群算法的城市公交线网模型优化方法研究

蚁群算法是一种求解组合优化问题的新型通用启发式方法,城市公交线网模型优化是一个复杂的非线性组合优化问题.本文将蚁群算法用于城市公交线网模型优化问题的研究,建立了城市公交线网的数学模型,该模型以乘客公交总出行时间最短与公交运营投入最小为目标函数,并在此基础上设计了相应的算法.算例证明了该算法在城市公交线网优化中应用的可行性和有效性.     

K(n,m)图的边色数

设K(n,0)＝Kn,V(Kn)={v1^0,v2^0…,vn^0}，分别从v1^0,v2^0,…,vn-1^0,出发作长为m的n-1各路vi^0,vi^1,…,vi^m,i=1,2,…,n-1；然后，对j=1,2,…,m，添加边{vi^i,vk^i|k,i=1,2,…,n-1,且k≠1}，这样得到的图用K(n,m)表示，证明了对图K（n,m)当n≥2、m≥1时的边色数为n。     

多路报文集中分配器的实现及性质分析

多路报文集中分配器是一种全双工通信设备。本文提出了适当的总线结构及软件设计方案，具有较好的实时效果。利用随机理论和排队理论，抽象出了数学物理模型，推导出一系列求解性能参数的公式，全面分析了设备性能，给出了计算机模拟分析结果。     

不完全信息的多目标决策分析方法研究

通过对拟建公路的经济、环境、社会以及技术等方面的分析,建立了其建设方案的分层评价指标体系．针对现有综合评判的不足,利用灰色系统理论关联度和模糊层次分析法,建立了灰色模糊决策综合评价模型．利用该模型对该公路项目的3种方案进行综合评价,证明所建立的评价模型能够利用全部信息,将复杂的方案进行优劣排序,最后获得结果比较客观、公正的反映公路建设投资决策综合评价的实际情况．     

RFID路径数据编码压缩存储技术研究

针对射频识别技术(RFID)应用技术中亟待解决的海量数据存储问题,提出了RFID路径数据的双编码压缩存储模型.该方法首先分离出RFID路径数据的位置信息和时间信息,采用一种改进的素数编码方法PrimeLabel对位置信息编码,每条路径的编码用该路径上的最后一个位置的编码来表示.其次使用一种新的区域编码(Durableregion based numbering,DRB)方法对时间信息编码,最后在此基础上设计了RFID路径数据的双编码存储模型.实验结果表明:此编码存储模型能更好存储压缩路径数据,且能更高效地满足RFID路径数据的各种查询需要.     

汽车弯道前方碰撞预警控制系统研究

根据驾驶员最优预瞄加速模型,对汽车弯道前方防撞预警系统进行了研究,阐明了汽车弯道前方碰撞预警控制模型的原理以及弯道道路边界检测算法.设计了角度法来分辨雷达获取的信息中位于本车道的前方障碍物,建立了汽车弯道防撞控制算法.经软件模拟仿真表明:该方法能够识别出前方弯道上行驶的车辆,正确预警;紧急情况下能启用控制器控制车辆安全行驶.     

基于线性回归模型与云模型的用户兴趣研究

在web信息服务中提供个性化服务时,一项非常重要的任务就是发现用户的兴趣．目前最有效的方法是通过用户的浏览行为发现用户兴趣．本文通过建立线性回归模型对用户兴趣度的计算方法进行改进,然后将用户兴趣度转化为云模型进行表示,并最终生成能准确表示用户兴趣度的新方法,从而使个性化推荐更加有效．