工薪网上查询系统开发

随着工薪合并纳税政策的实施,员工急需掌握收入的明细情况,而高等院校等事业单位中工资项名目繁多、收入来源及发放方式多样化,使得了解收入明细情况比较困难.介绍了一个工薪网上查询系统,不仅能方便快捷地查询工薪明细情况,而且较好地保障了财务数据的安全性.     

基于事项法的高校财务管理信息系统模型研究

分析了目前高校财务管理信息系统的现状和存在的问题,在事项法和通用财务会计方法的基础上,提出新一代高校财务管理信息系统模型,既强调财务信息细化采集的需求,又要考虑会计通用性的满足,模型中综合业务信息处理和财务信息服务侧重于原始数据的采集和财务事项的处理,而会计信息处理和会计核算策略则是为了满足通用财务会计方法和制度.     

可扩展约束的基于角色访问控制策略的XML表示

通过对基于角色访问控制基本原理及约束的分析,设计了XML表达RBAC元素的方案,增强了系统表达不同策略的能力,适应分布式环境的要求. 策略的XML表示把系统管理和访问控制的实施技术分离,提高了系统开发的灵活性. 对于扩展的约束表达,采用分离的模块实施约束检查,从而实现了较好的约束可扩展性. 特定应用的访问控制系统可以根据已有的策略和现实的需求灵活定制.     

基因遗传算法在文本情感分类中的应用

本文以微博文本为主要实验对象,提出适合卷积神经网络进行自我优化的编码方式,分别将每一层看做是一个染色体,将每一层中的参数看做是一个基因片段,采用混合双重非数值编码的方式编码每个CNN框架,设计出适合于CNN网络的选择、交叉和变异的算法,并且把基因遗传算法(GA)和与卷积神经网络相结合,提出了基于情感分析算法的遗传算法(GA-CNN).通过对传统算法与GA-CNN的实验与对比分析,良好地展示了自我优化性.     

立方体外壳片段算法在财务数据仓库中的应用

高校管理数据涉及的主题众多,其中财务数据仓库是典型的高维应用情形.财务数据对精度要求极高,不允许数据的丢失,这些特点都将影响财务数据仓库中数据立方体预计算算法的选择.分析了各种立方体预计算算法的特点和适用范围,同时研究了财务数据仓库的特殊性质和需求,以高校科研财务数据仓库为基础,提出了科研财务数据仓库事实星座模型.根据对数据立方体预计算算法的分析,分别使用立方体外壳和立方体外壳片段算法进行物化操作,提出立方体外壳片段算法是一种比较适合财务数据仓库的数据立方体预计算算法,并通过性能分析实验证明了该算法能在预计算时间、存储空间和联机分析处理效率等各方面取得较好的平衡.     

基于XML的上下文约束访问控制策略管理

结合当前研究成果和自身实践中应用系统访问控制需求的特点, 从灵活、通用、易实现的角度和标准参考模型的高度提出了一种带上下文约束的访问控制理论模型, 阐述了该模型的理论以及基于模型的应用系统访问控制体系架构; 进而在理论模型和访问控制架构的基础上, 用一种基于 XML 的策略描述语法规范X-Grammar 对访问控制策略进行描述和建模, 给出了模型中各实体和关系的形式定义。最后讨论访问控制系统的设计与实现, 并给出了整体的功能描述和结构设计。     

基于SaaS的软件开发模式在高校中的应用研究与实践

介绍了SaaS的概念.综述高校SaaS应用的进展与效果,分析了SaaS应用进展缓慢的原因.以北京大学自主研发的两个SaaS应用——网上支付接口服务系统以及通用注册系统为例,提出了在高校内部应用SaaS的一种新途径和解决方案,为高校信息化中如何应用SaaS提供成功范例.     

上下文约束的访问控制模型与框架

安全策略往往是与环境信息动态相关的,包括时间、地点、用户信用等级、操作对象的属性与状态等等.在传统的访问控制模型基础上建立一个上下文约束的访问控制模型.定义广义的上下文概念,包含主体上下文、角色上下文、环境上下文和数据对象上下文.依据模型理论确定系统的模块划分以及模块的层级关系,建立了访问控制系统的概念框架结构.     

立方体外壳片段算法在财务数据仓库中的应用

高校管理数据涉及的主题众多,其中财务数据仓库是典型的高维应用情形.财务数据对精度要求极高,不允许数据的丢失,这些特点都将影响财务数据仓库中数据立方体预计算算法的选择.分析了各种立方体预计算算法的特点和适用范围,同时研究了财务数据仓库的特殊性质和需求,以高校科研财务数据仓库为基础,提出了科研财务数据仓库事实星座模型.根据对数据立方体预计算算法的分析,分别使用立方体外壳和立方体外壳片段算法进行物化操作,提出立方体外壳片段算法是一种比较适合财务数据仓库的数据立方体预计算算法,并通过性能分析实验证明了该算法能在预计算时间、存储空间和联机分析处理效率等各方面取得较好的平衡.     

基于机器学习的论文作者名消歧方法研究

本文提出了一种基于规则匹配和机器学习的论文作者名自动化消歧方法:首先基于人工构建的人名匹配规则确定候选作者,对于存在多个候选人的情况,基于论文的属性信息(例如合作者、标题、摘要、关键词和出版物名称等)提取特征,然后选取合适的机器学习算法进行消歧.实验效果表明K近邻和Softmax分类器较适合于论文作者名消歧任务;此外,将作者信息与论文的其他信息分开提取特征能够有效提高作者名消歧的准确性.