国家自然科学基金(60402010)
- 作品数：26 被引量：83H指数：4
- 相关作者：徐从富王金龙潘云鹤范晶陈峰更多>>
- 相关机构：浙江大学青岛理工大学浙江省公安厅更多>>
- 发文基金：国家自然科学基金国家高技术研究发展计划浙江省自然科学基金更多>>
- 相关领域：自动化与计算机技术理学一般工业技术更多>>
- 面向异质关系的社区挖掘被引量：7
- 2007年
- 利用数据挖掘技术,并结合最优化理论知识,研究了基于文献数据的异质关系挖掘问题,应用最小分割最大化的关系抽取算法,挖掘具有共同研究兴趣的研究者社区。在此基础上实现了基于关系链的挖掘分析,解决了应用当中的实际问题,能够更好地辅助研究者进行研究工作。
- 王金龙徐从富骆国靖
- 关键词：关系链
- 利用销售数据的商品影响关系挖掘研究被引量：2
- 2007年
- 数据挖掘技术作为一种有效的决策工具正为企业做出科学决策提供依据。该文针对关联规则挖掘商品间相关性的不足,提出了一种新的计算方法利用销售商的商品销售数据挖掘商品之间的相关性及影响关系。该方法根据商品销售数据的变化得到所有商品销售数据的时间序列,然后计算测量序列的相似度,从而确定商品间影响关系。实验证明了该方法的有效性,同时得到了一些有价值的结果,可用于指导具体商业实践。
- 王金龙徐从富徐娇芬骆国靖
- 关键词：数据挖掘分段线性化时间序列
- 基于朴素贝叶斯和支持向量机的自适应垃圾短信过滤系统被引量：18
- 2008年
- 随着短信业务的不断发展,垃圾短信的特征和内容也在不断变化,传统垃圾短信过滤系统中存在的主要问题是,短信特征和内容未能得到及时更新而导致过滤性能降低。考虑朴素贝叶斯的快速统计分类及支持向量机(SVM)的增量训练等特点,将其应用于垃圾短信过滤中,并把分析结果及时反馈给在线过滤子系统,使得系统具有更好的自适应性。实验结果表明,该方法可有效地解决当前垃圾短信过滤系统中存在的问题。
- 金展范晶陈峰徐从富
- 关键词：垃圾短信过滤朴素贝叶斯支持向量机
- 基于草图的程序流程图自动识别翻译系统被引量：2
- 2010年
- 手绘草图是人类一种自然而直接的思路外化和交互方式。介绍一个基于草图的程序流程图自动识别翻译原型系统——SketchFlow。基于对现有可利用的识别技术及流程图领域知识的综合分析,设计并实现了这个系统。该系统可以完成程序流程草图的识别及到相应C语言代码的自动翻译。
- 诸彬何骅徐从富
- 关键词：草图自动翻译
- 人工智能若干前沿技术及其在信息对抗中的应用展望被引量：3
- 2007年
- 讨论了机器学习、数据挖掘、统计学习理论与支持向量机的研究现状，简要介绍了近年来涌现的一些比较前沿的新方法，如概率图模型、马尔可夫逻辑网络等。在此基础上，结合信息对抗的需求和特点，初步探讨了这些AI技术和方法在信息对抗中的可能应用。
- 徐从富陈峰范晶
- 关键词：人工智能数据挖掘信息对抗
- 程序流程草图的存储表示及自动翻译算法被引量：2
- 2009年
- 将手绘草图识别技术融于在线手绘程序流程草图的识别中,设计了一个存储图元的节点结构,提出基于上下文的在线手绘程序流程草图自动翻译算法,实现在线手绘程序流程草图的存储、识别和到C语言代码的自动翻译和运行,实验证明该方法具有较高的识别效率。
- 何骅诸彬徐从富
- 关键词：草图上下文
- 一种基于BPEL的通用安全控制模块设计方法
- 2008年
- 随着面向服务架构(SOA)的提出,软件系统的整合与开发速度将越来越快,但软件系统的安全机制却是每次开发时都需要重新建立,并且随着软件系统日益增多,安全机制的复杂程度将不断提升。提出一种基于商业流程执行语言(BPEL)的通用安全控制模块设计方法,以减少相应的权限开发与管理工作,同时还以制造业企业资源计划系统(ERP)与电子商务系统账户整合为例说明权限模块的运行机制。
- 张国锋何俊徐从富
- 关键词：面向服务架构WEB服务商业流程执行语言安全控制
- Using Decision Boundary to Analyze Classifiers
- In this paper we propose to use decision boundary to analyze classifiers. Two algorithms called decision bound...
- Zhiyong Yan
- 房产面积核算及分摊CAD系统的设计与实现被引量：2
- 2005年
- 实现了房产开发过程中的平面投影图纸、面积核算、公用面积分摊、出具产权证明等一系列流程的一体化和信息化 ,从而能够进一步规范商品房的开发建设流程 该系统已经成功地应用于浙江省海宁市房产局和浙江省嘉兴市房产局 。
- 刘勇刘勇徐从富潘云鹤
- 关键词：房产面积分摊CAD
- 基于序列分解的复杂系统的时序预测方法被引量：3
- 2006年
- 现实中的时序数据,往往取自于复杂系统,表现出长记忆效应与短时不规则波动同时并存。传统的时序数据的分析和预测方法一般对不同层次的影响不加以区分,而是为其建立一个统一的模型,这使得在对复杂系统建模时需要用大量的参数予以表征,影响预测效率与精度。为此采用新的方法,将序列数据本身进行多平滑因子分解,对分解后的序列进行多尺度的采样并分别建模、预测,最后将结果整合。该方法应用于股票的实验表明,即使对起伏波动很大的时间序列,也能够得到较好的预测结果。
- 韩雪梅徐从富沈慧峰
- 关键词：复杂系统时间序列预测
