基于整数线性规划的角色挖掘建模方法

常见的角色工程问题包括基本角色挖掘、边-角色挖掘、!-近似角色挖掘及最小噪声角色挖掘.四类问题的约束条件与优化目标存在异同点,而利用现有角色挖掘方法构建的角色工程系统过程烦琐,工程造价高昂.针对该问题,给出一种角色挖掘建模方法.该方法将四类角色挖掘问题分别转化为布尔矩阵分解问题,使用整数线性规划统一建模表示不同类型的角色挖掘问题,并给出角色挖掘算法描述.实例分析结果表明,该方法能够简化角色工程系统构建,降低挖掘成本.     

一种多说话人角色聚类方法

为有效找出会议语音中的说话人角色个数及各角色的说话人语音,提出了一种多说话人角色聚类方法.首先定义说话人角色聚类的特征,然后采用测地距离度量特征的相似度,进而提出了一种利用类内距离来控制类间合并的多说话人角色聚类方法,最后采用4种不同类型的会议语音对该方法进行测试.结果表明:对手工分割和自动分割后的会议语音进行说话人角色聚类时,如果采用相同的聚类方法,则使用测地距离的性能优于使用传统距离的性能;如果采用相同的距离度量方法,则文中方法的性能优于传统层次聚类方法.     

基于条件时态的角色访问控制模型的继承性

在继承基于条件时态的角色访问控制(CT-RBAC) 的条件周期理论和约束关联的基础上,完善了该模型的角色关系约束,规范了相应的角色继承约束语义.同时,提出一种能够确保在继承条件下静态权责分割(SSD)策略安全实施的机制,避免了由SSD局限性所导致的冲突.最后,给出了一个实现原型,通过性能分析测试,说明在提高原型系统安全性的情况下,性能的稍微损失是可以接受的.     

基于规则的RBAC在Web信息系统中的实现

针对Web资源访问的特点和安全问题,研究了传统的RBAC(Role-Based Access Con-trol)模型的缺陷,提出了一种适合大型Web资源访问系统的RBAC扩展模型,即利用用户属性制定相应的规则,根据规则为用户分配角色,以获得相应Web资源的访问权限.该扩展模型弥补了传统RBAC基于静态角色分配的不足,实现了角色的动态分配,并对规则和角色分配进行了约束,提高了Web资源访问的效率和安全性     

树形频繁模式的挖掘及可视化技术研究

频繁项集的挖掘不仅仅是关联规则挖掘的基础,而且在序列模式、聚类、多维模式等数据挖掘任务中扮演重要角色.本文在给出一个基于数据垂直分布的频繁项集挖掘算法HBMFP的基础上,论述了利用MFC中的树视图控件(CTreeCtrl)将频繁项集树形可视化,并讨论了基于该频繁模式树的3种约束频繁项集查询的方法.     

基于角色和交互的SaaS软件生命周期推演模型

采用模拟SaaS生态系统中角色和交互的方法来推演SaaS软件生命周期的各个阶段.首先提出SaaS生态系统中各个组成部分和基本角色;然后定义了SaaS软件生命周期中角色和交互模型;随后模拟大量角色交互路径,从中选取最优路径并加以调整;研究基于该优化路径设计生命周期的模拟方法,包括交互角色和交互时间的选择算法;最后通过角色和交互在时间轴上的聚类,推演出SaaS软件生命周期的各个阶段.理论和实验结果分析证明该模型有着良好的推演效果.     

基于层次聚类的大学生就业去向短期预测系统

针对大学生就业问题,以层次聚类策略为技术支撑,架构出一种就业去向短期预测系统.根据待挖掘数据量,选取簇间距离度量标准,架构簇与子簇构成的层次聚类树,完成目标数据的聚类或分类处理.构建层次聚类算法模块中相关算法运行流程,结合预测系统用户与管理员的角色职责,设计多个系统数据库实体.建立各实体间关系的映射模型,基于此完成数据...     

改进的空间蚂蚁聚类算法

障碍约束下的空间聚类问题具有很强的实用价值,是空间数据挖掘中的一个重要研究课题.笔者讨论了带障碍约束的空间聚类问题,研究了一种基于蚂蚁算法的带障碍约束空间数据聚类分析方法,设计了一个带障碍约束的蚂蚁空间聚类算法.实验表明,该方法兼顾了局部收敛和全局收敛性能,考虑到了现实障碍物对聚类结果的影响,使聚类结果更具有实际意义.     

模块化产品族的共享模块筛选方法

针对在模块化平台中筛选共享变量的问题,受协同优化算法使用一致性约束函数对各子优化问题进行一致性统筹的启发,提出一种基于一致性约束的优化算法.在系统级优化中使用非支配排序的遗传算法NSGA-Ⅱ对该多目标优化问题进行求解后得到Pareto解集,利用模糊聚类算法对解集中的每组解进行综合性能的评价并选优,根据最终筛选出的最优解即可实现共享变量的筛选.相比以往常用的基于经验或灵敏度的方法,该方法更严格地在子学科优化中以车身性能为目标函数,在系统级优化中进行共享度的优化,并且可根据系统级优化结果筛选出局部共享变量.以SUV、两厢掀背车和三厢轿车为算例,使用该方法有效地筛选出3款车型的全局共享变量、局部共享变量和非共享变量,对该方法的可行性和有效性进行了验证.     

随机学习萤火虫算法优化的模糊软子空间聚类算法

传统软子空间聚类算法在利用局部搜索策略解决等式约束的连续非线性的变量加权问题时,易陷入局部最优导致聚类效果不佳.针对该问题,该文提出了一种随机学习萤火虫算法优化的模糊软子空间聚类算法.该算法利用具有全局搜索能力的萤火虫算法对新算法的目标函数进行优化,同时,为弥补萤火虫算法易提前收敛和寻优精度较低的缺陷,对萤火虫种群进化方式和全局最优粒子的学习方式进行了改进.新算法将权值矩阵拟化成萤火虫种群,使变量加权的等式约束变为界约束,通过萤火虫位置的更新搜索最优权重并发掘子空间中隐藏的簇类.在人工数据集、UCI标准数据集和癌症基因表达数据集上的实验结果表明:该算法具有较好的聚类效果.     

基于角色权限管理的B/S与C/S模式相结合的教务管理系统安全体系的研究与设计

阐述了目前高校教务管理系统存在的各种安全问题,综合分析各种安全问题出现的原因,论证了建立教务管理系统安全体系的必要性.分析目前比较常用的B/S模式与C/S模式的优缺点,并针对高校教务管理系统的特殊性,提出基于B/S与C/S模式相结合的高校教务管理系统模型,弥补二者单独应用所存在的缺点与不足.同时,为了避免由于服务器配置不当,或者Web设计代码存在缺陷而使系统处于风险中,又在该模型基础上引入角色权限管理的机制,把教务管理的工作结构通过角色映射到系统中,实现系统权限与角色对应,而不是用户本身,最终设计了基于RBAC的B/S与C/S模式相结合的教务管理系统安全体系模型,从而使教务管理系统中信息的安全性得到了保障,同时也保证了系统安全、稳定、快捷的运行.     

基于灰色关联和加权TOPSIS法的采矿方法优选

 为建立采矿方案综合评判指标体系,在综合层次分析法(AHP)、灰色关联分析法(GRA)和加权TOPSIS法基本原理的基础上,构建加权TOPSIS-灰色关联综合评判模型,对多种采矿方案进行综合评判优选。优选过程中,从经济、技术、安全3大类因素综合考虑影响采矿方法的评判指标,通过层次分析法获得各评判指标的权重向量,利用灰色关联系数改进加权TOPSIS法,建立加权TOPSIS-灰色关联综合评判模型,并运用TOPSIS法原理计算出各方案基于评判指标的综合优越度。以石人沟铁矿露天转地下采矿方案优选为例,得出4种拟选采矿方案的综合优越度分别为47.9%、62.5%、63.9%、59.9%,确定第3种采矿方案最优。经矿山实践验证了该评判模型的可行性和有效性。     

FCM聚类算法在数字图书馆中的应用研究

运用模糊C-均值(FCM)聚类算法对数字图书馆的图书借阅数据进行数据挖掘,并使用误判率交叉估计法验证挖掘过程的有效性.通过分析聚类挖掘结果,寻找到读者借阅图书的潜在规律,并对各类图书的借阅质量进行判断,以提高图书馆的图书利用率,进一步优化馆藏.     

灰色聚类评估在煤矿突水预测中的应用

为了减少煤矿突水带来的危害,准确掌握煤矿发生突水的可能性,采用灰色聚类评估方法,建立矿井突水预测模型,进行矿井突水预测。实例表明,灰色聚类评估方法在煤矿突水预测中可以取得满意的预测精度,预测结果更加可靠。该方法在煤矿突水中的应用进一步拓宽了灰色聚类理论的应用范围,并为煤矿突水的准确预报提供了一种新的方法。     

浅谈在采煤方法评价中定权灰色聚类分析的应用

灰色聚类在采煤评价中具有重要的作用,不同地区的环境不同,采用的方式就完全不同,需要改进评价的技术指标,对定权灰色聚类进行分析。阐述了定权灰色聚类分析的概念,结合煤矿采煤评价的实例,探讨了定权灰色聚类分析在采煤方法评价中的应用。     

基于Fuzzy AHP的煤矿企业安全危机评估与预警

从人的行为、物质、环境三维视角,分析了导致安全事故的主要原因,构建了煤矿企业安全危机预警评价指标体系.基于评价指标具有不确定性、随机性和模糊性等特点,采用模糊层次分析法(Fuzzy AHP)建立了煤矿企业安全危机模糊综合评价模型.模型中采用层次分析法确定各参数指标的权重,采用专家打分法确定安全危机因素评判模糊集,采用模糊综合评价法,探讨了多层次下危机等级的确定方法,由此可对煤矿企业进行安全危机评估与预警.以湖南省某煤矿企业为例进行了实证分析,结果表明该煤矿企业安全的总体状况较好.该理论与方法可为煤矿企业安全防范与预警提供一种有效途径.     

基于均值密度中心估计的k-means聚类文本挖掘方法

文本挖掘作为数据挖掘的重要研究领域,是检索有用文本信息的重要手段。通过对K-means聚类挖掘方法的基本原理和实现步骤的分析,发现随机选择聚类中心迭代初值、奇异点问题是制约其发展的技术瓶颈,针对该方法的不足,提出了一种基于均值密度中心估计的K-means聚类文本挖掘方法,采用基于均值密度的聚类中心初值估算取代原有方法的随机选取模式,设计自适应的邻域形状选择机制,用均值密度配合阈值消除奇异点。实验结果表明,提出的方法提高了K-means聚类方法的文本挖掘性能,使得文本挖掘查准率得到很大的提高,不仅强于一般K-means均值聚类方法,且和新近流行的自组织神经网络聚类方法相比也具有一定的优势。     

量子计算在增量式大数据并行挖掘中的应用

针对传统大数据并行挖掘方法是一次性对所有数据进行挖掘,导致挖掘时间较长,挖掘精度较低等问 题,采用量子计算对增量式大数据并行挖掘方法进行优化设计。首先,按照数据挖掘的基本流程搭建并行数据 挖掘模型; 然后分别通过定义量子比特、量子搜索算法、量子神经网络处理以及量子映射变换4 个步骤,实现 增量式数据的预处理,利用矩阵向量相乘分解得到过滤权重组合,通过该组合实现预处理结果的并行协同过 滤; 最后通过量子模糊聚类得出增量式大数据并行挖掘结果。实验结果表明,应用量子计算的增量式大数据并 行挖掘方法的平均召回率为97． 25%,并行挖掘时间在2． 1 ～ 3． 2 s 的范围内浮动,准确率超过95%,且该方法 的收敛性最好,寻优能力强。     

政府网站搜索系统的日志挖掘、行为分析及改进

 为提高政府网站的搜索质量并优化网站内容, 对某政府网站现有搜索系统进行二次开发, 增加了日志挖掘模块、行为分析模块、系统改进模块, 实现了对搜索系统日志挖掘和用户行为的分析处理。日志挖掘模块负责收集、过滤和识别用户的搜索操作记录;在行为分析模块, 根据操作记录从查询过程、聚类分析和查询热词3 个角度, 分析用户行为的特点和规律, 得到了待调整权重的网页和热点查询词等分析结果;在系统改进模块, 通过调整网页的权重使查询结果更加精准, 改善了搜索系统, 根据统计查询热词, 既提供了搜索热点等新功能, 又为用户提供了个性化网页并优化了政府网站的内容, 实现了与舆情系统的数据交互。通过这些优化和改进, 从多方面使搜索系统和政府网站能更好的为用户服务。