基于多本体的煤炭调度集成系统的研究

针对公司煤炭调度系统中总调度系统与下属分矿的子调度系统中存在异构数据源导致难以实现数据共享，设计了一个基于多本体的煤炭调度集成系统架构。重点研究了系统查询处理过程，首先根据全局本体到局部本体的映射，把针对全局本体的查询语句分解为对局部本体的子查询，再将子查询进一步重写为关系数据源的查询语句并给出了RDQL—to—SQL查询重写算法，最后把对关系数据源的SQL子查询结果进行集成返回给用户。     

图文决策融合的多模态电商垃圾评价检测

现有的电商垃圾评价检测方法大多基于对评价文本信息进行分析,难以有效检测带有图片的多模态垃圾评价,为充分利用评价的图片和文本内容,提出了基于Transformer双向编码表示(bidirectional encoder representa-tions from transformer,BERT)和宽残差网络(wide residual networks,WRN)的图文融合决策检测方法.该方法利用评价文本对经过预训练的BERT模型进行微调训练,经过表示学习分类得到文本评价类别向量,使用宽残差网络对评价图片进行特征提取和分类并输出图片类别向量,将得到的对应评价图文类别向量共同输入启发式决策融合分类器,对多模态评价整体进行预测分类.使用真实电商评价数据集进行实验表明,相比面向评价文本的分类方法,图文融合决策检测方法对多模态评价分类的精准率提高4.44％,召回率提高2.12％,Micro-F1提高3.67％,结果证实该方法能够对多模态垃圾评价进行有效检测.     

基于C／S体系结构的民航收费管理系统

针对我国民航收费管理的现状,提出了基于C／S体系结构模式的中国民 航收费管理系统。该系统以民航结算中心为基础,机场和航空公司为辅,能及时准确地进行各种航空费用的结算。对系统目标、系统功能以及网络体系结构进行了具体的讨论。同时,对民航收费管理系统的关键性技术进行了深入的研究。运行结果表明,系统设计合理,对促进我国民航收费管理系统的发展大有益处。     

基于权值e指数信息熵的前馈网络修剪算法

针对神经网络结构设计的难点,定义神经网络连接权值的e指数信息熵,该熵克服了Shannon熵固有的缺点,但与Shannon熵对不确定性的描述具有相同的效果.将其作为惩罚项引入神经网络学习的目标函数中训练神经网络,由于熵函数特有的属性,对神经网络中小的连接进行惩罚而对大的连接进行鼓励,从而使神经网络中小的权值迅速收敛到零值附近.通过删除零值附近的权连接进而达到简化神经网络结构的目的.典型非线性函数逼近的仿真试验结果表明,该修剪算法在保证其逼近性能的同时,可以简化神经网络结构.     

管理信息系统中投影功能的设计与实现

设计并实现了管理信息系统中某些内容以投影形式循环播放功能，给出了具体的程序实现细节。通过神化集团神东公司总调度实际应用证明，该方法安全可靠、稳定性好，具有一定的使用和推广价值。     

基于布尔矩阵的关联挖掘算法

在信息爆炸的时代,要从信息中挖掘出信息之间的关联性,通常采用Apriori算法,但要产生频繁集,开销很大.以统计学原理为基础,文中采用基于布尔矩阵关联挖掘的算法,不需要产生频繁集,详细说明这个算法的实现过程.     

企业管理信息系统建设探析

信息社会时代，信息处理学科越来越重要，其中管理信息系统（Management Information System以下简称MIS）已广泛为人们所认识、所接受，但由于人们对MIS认识的程度并非向我们想像那样成熟。在MIS建设中一旦涉及具体实施过程，往往受到各种因素的限制和影响，致使MIS不能充分发挥其效能。作者通过基础理论研究并结合神东公司、元宝山露天矿等多家MIS开发的成功经验，分析了限制和MIS建设过程中重点存在的一些问题，给出了解决这些问题的具体方法，希望有助于企业MIS建设。     

Apriori算法在超市决策中的应用

针对超市营业中每天生成的大量商品销售记录,使用Apriori关联规则挖掘算法来分析数据项之间的关系,从数据中挖掘出有价值的信息,总结顾客的购物行为的规律性,为商场主管制定正确的营销和库存决策提供依据。     

遗传算法与最小元素法相结合在物流中心选址中的应用

针对单一品种货物的物流中心的选址问题，采用一种将单亲遗传算法与最小元素法相结合的方法来处理此类问题，并且对遗传算法做了相应的改进，为了避免遗传算法的“早熟”现象，提高收敛速度，采用优化初始种群，自动调整交叉率和变异率的方法。采用这种混合算法的好处是削弱遗传算法的随机性，加快收敛，使算法的效率得到了提高。     

神经树在煤与瓦斯突出预测中应用研究

由于煤与瓦斯突出影响因素之间存在着复杂的非线性关系,为准确预测煤与瓦斯突出的危险性,本文提出了基于柔性神经树的煤与瓦斯突出预潮模型,其中利用多表达式编程和粒子群优化算法分别优化了自身的结构及相关参数,使得神经树具有强大的预测和分类能力,与传统神经网络相比具有更加灵活的自动优化能力.通过采用实测数据对算法进行了验证. 结果 表明与常规预测方法相比较,该模型的预测准确性高,具有良好的适应性和有效性.