拍卖标的起拍价的制定

通过拍卖标的流拍现象,揭示了拍卖标的流拍的内在原因。分析拍卖标的各种瑕疵对标的内在价值的影响,制定了合理确定拍卖标的起拍价的策略。     

计算机模拟生产在线调试方法的研究

以热轧带钢厂在线模拟轧钢调试为例，介绍用计算机构成模拟轧钢控制器的两种方法，通过该控制器实现模拟在线轧钢生产，为生产线的全线调试创造了有利条件，此外对这两种方法的优劣进行比较，并给出详细的时序计算方法。文中所述的方法对于其它类型生产线的在线模拟生产．调试也具有可借鉴之处。     

基于酒店特征信息和在线评价信息的酒店选择

为辅助游客通过旅游网站进行酒店选择,提出了一种基于旅游网站提供的备选酒店特征信息和在线评价信息的酒店选择方法.首先,基于酒店特征信息和在线评价信息构建备选酒店有向加权图,依据备选酒店特征信息,基于离差最大化法对酒店特征进行客观赋权,并采用简单加权法确定有向加权图结点权重,依据备选酒店间在线评价信息的比较关系确定有向加权图的有向边及有向边权重;然后,基于PageRank算法原理给出备选酒店排序值求解算法;最后,以基于缤客网站提供的酒店特征信息和在线评价信息进行酒店选择.结果说明了提出方法的有效性和可行性.     

学习资源精准推荐模型及应用研究

根据属性特征推荐资源,由于存在冷启动和稀疏性问题,限制了在线学习资源推荐的性能.基于知识表示和协同过滤,将学习者的学习水平和学习风格等特征融入推荐过程,进行协同过滤个性化推荐,提出了一种学习资源精准推荐模型,构建了学习者和学习资源知识表示模型;通过实验表明知识表示-协同过滤相结合的推荐算法在个性化推荐和推荐准确度方面优于传统的CF算法.     

基于在线课程的《农业推广学》混合式教学设计

以培养学生的自主学习能力、协作能力、分析与解决问题能力、沟通交流能力及农业推广的综合能力为教学目标,根据混合式教学理论和课程特点,在农业推广学教学中提出了"四分析、六三设计、线上线下相结合实施教学、多元化评价"的以"学"为中心的教学分析、教学设计、教学实施和教学评价4阶段混合式教学模式,并将其应用于《农业推广学》的教学中,效果显著.     

基于增量稀疏核极限学习机的发动机状态在线预测

针对发动机状态在线预测中样本累积、预测模型膨胀和在线更新速度慢等问题,提出了基于增量稀疏核极限学习机的在线预测方法.该方法定义了KELM核函数矩阵的稀疏测量矩阵,并根据矩阵原子相干最小化和自信息量最大化的样本信息度量准则实现在线样本前向稀疏与后向删减,提高了样本稀疏化效率.利用有效样本对测量矩阵在最佳阶数内进行在线扩充与修剪,限制了预测模型膨胀.利用改进的增量建模方法对模型的核权重矩阵进行递推更新,从而建立规模有限且结构稀疏的在线预测模型,提高了在线建模速度.仿真数据和发动机状态参数在线预测实验结果表明,与现有在线预测方法相比,ISKELM具有更高的样本稀疏化和在线建模效率.对发动机排气温度进行120步预测时,预测速度分别提高了80.50%和31.72%,预测精度分别提高了48.56%和15.81%.      

基于K均值和支持向量机的燃料电池在线自适应故障诊断

基于K均值(K-means)和支持向量机(support vector machine, SVM)算法,提出了一种车用燃料电池系统(fuel cell system, FCS)在线自适应故障诊断方法.该方法通过不断获取系统最新单体电压,采用K-means算法改进传统的静态SVM分类器模型,对实时获取的信息进行聚类,实现分类器的在线自适应调节.采用已发表文献中的实验数据进行了相关的验证分析,结果表明,提出的方法能有效地在线调节故障分类器,实现FCS系统特性发生改变后的故障检测.     

"互联网+"背景下高校MOOC互动教学模式框架研究

基于在“互联网+”背景下,对构建的高校MOOC( Massive Open Online Course) 互动教学模式进行完善,健全其平台功能框架,解决当前该平台运行过程中所存在的问题,及时指导使用者的实践过程,简化资源下载难度和协作交流等。侧重对综合B/S 架构的服务器和浏览器,J2EE 开发环境,采用集成架构SSH( Secure Shell) 的分层设计原则进行研究,在划分平台时将其分为控制器层、数据层、用户视图层以及业务逻辑层4 层,实现开发效率的显著提升。该研究对当前已有的MOOC 平台展开更加深入的分析,进一步完善了其不足之处,增强了其交互性和实用性,二者的耦合提高了教学效果,为学生提供一个能使课前学习高效完成的平台。     

基于SDN的无线网络节能与干扰联合优化研究

针对无线局域网(wireless local-area network,WLAN)网络中密集部署无线访问接入点(acess point,AP)间存在大量冗余AP以及用户受到AP间干扰的问题,提出了一种节能干扰联合优化下的双边拍卖算法。将节能与干扰联合优化下的资源分配作为社会福利最大化问题,利用拉格朗日乘数法和梯度下降法得到最优解。拍卖双方迭代更新各自的出价直至收敛,得到社会福利最大化。仿真结果表明,节能干扰联合优化算法能有效关闭冗余AP,在用户数较少时能减少75%的能耗,用户数较多时减小能耗达到45%,并且降低用户受到的干扰,保证用户的吞吐量需求。     

结合遗忘特性的多任务多核在线学习算法

对于数据流的处理,多任务多核学习已逐渐成为在线学习算法研究的热点,它在一定程度上可提高数据流预测的准确性。多核方法尽可能使用最少的核函数得到最好的实验效果,当数据量增大、训练模型稳定时,通过阈值限定的方法对核函数进行遗忘,从而减少基本核函数的使用个数,使得计算更加简单;对于算法的优化,通过引入一个遗忘变量,从对偶的角度来进一步优化权重更新过程,这里的权重指多个任务的共有特征权重和每个任务间的特有权重,以提高算法的收敛速度。实验部分对核函数的选取进行了较为详细的分析,通过对UCI数据集和实际的机场客流量数据集进行分析,证明该本算法的合理性和高效性。