基于关联规则相关性分析的Web个性化推荐研究

通过分析关联规则在Web个性化推荐中存在的问题,对Web个性化推荐的关联规则相关性分析算法进行改进,并进行了详细的论证和仿真实验。实验结果表明改进的算法能实现更低支持度的推荐,能提高推荐的准确率和速度。     

立即可解网络编码应用于无线网络重传中的时延分析

立即可解网络编码(instantly decodable network coding,IDNC)分为狭义立即可解网络编码(strict IDNC,S-IDNC)和广义立即可解网络编码(generalized IDNC,G-IDNC).分析了S-IDNC和G-IDNC的特点,并对这2种思想应用于重传的时延性能做了对比分析.以最小化解码时延为目标提出基于S-IDNC和基于G-IDNC权重顶点搜索算法,实验对比分析了所提算法和已有典型算法性能,验证了所提算法的有效性,并归纳了S-IDNC和G-IDNC的时延特征差异.实验结果表明,基于S-IDNC的重传算法使得信宿节点的时延大小分布较为聚集,而基于G-IDNC的重传算法时延大小分布更为分散,G-IDNC时延均值优于S-IDNC,而S-IDNC系统完成时延优于G-IDNC.     

不完美反馈下基于立即可解网络编码的多播重传机制

为进一步降低不完美反馈下无线多播网络的传输时延, 提出一种不完美反馈下基于立即可解网络编码的时延最小化重传方案。在综合考虑各接收端接收状态和传输链路丢包率的情况, 构造优先发送集, 并根据部分可观测马尔可夫决策过程计算优先发送集合中各接收端的置信状态。同时, 优化编码包生成算法, 简化立即可解网络编码图模型, 以快速生成重传编码包。仿真结果表明，本方案相比于传统方案, 能够有效降低解码时延和完成时延, 尤其是在接收端和数据包数较多的情况下优势更为突出。     

基于关联规则相关性分析的Web个性化推荐研究

通过分析关联规则在Web个性化推荐中存在的问题，对Web个性化推荐的关联规则相关性分析算法进行 改进，并进行了详细的论证和仿真实验。实验结果表明改进的算法能实现更低支持度的推荐，能提高推荐的准确 率和速度。     

化学危险品的燃烧与爆炸

化学危险品与一般的库存商品相比更具有危险性，有许多商品是有毒的或易燃、易爆、易污染的。如许多年前深圳的化学危险品库爆炸，造成了上亿元的损失，那次爆炸是由于萘与NH4NO3混存，并且温湿库控制条件太差等多方面的原因造成的。     

高维特征集选择模型研究

特征选择是机器学习和模式识别等领域一个关键问题。而高维特征选择又是当今研究的热点和难点。从高维特征选择的模型出发。详细说明高维特征选择所采用的各种算法类型。并分析了该模型的优劣。     

基于机会式网络编码的多阶段重传机制

为进一步提高无线单跳网络中基于网络编码的重传机制的效率,提出了基于机会式网络编码的多阶段重传机制(multi-stage retransmission scheme,MSRS)。根据丢包分布的不同特性,MSRS将丢包恢复分为两个阶段。第一阶段对全译码特性丢包利用严格即时可解网络编码思想进行恢复,第二阶段对非全译码特性丢包利用基于缓存的网络编码进行协助恢复。MSRS分阶段恢复丢包的思想充分利用了全译码特性包的编码机会,同时也挖掘了非全译码特性包潜在的编码机会,解决了非全译码特性包编码机会利用率低的问题。仿真实验表明,MSRS相比现有基于网络编码的重传方法能有效降低重传次数,且具有更好的稳定性。     

基于网络编码的无线网络重传方案综述

网络编码技术为无线网络包重传问题研究提供了新思路.介绍了传统重传方案的局限性,在此基础上重点介绍目前基于网络编码的典型无线网络重传方案,从5个不同的角度对现有的大量重传方案进行了归纳与比较,在此分析总结基础上对后续研究工作进行了展望.     

高维特征集选择模型研究

特征选择是机器学习和模式识别等领域一个关键问题，而高维特征选择又是当今研究的热点和难 点。从高维特征选择的模型出发，详细说明高维特征选择所采用的各种算法类型，并分析了该模型的优劣。