云制造环境下基于QoS的组合云服务自适应调整

为提高云制造环境下组合云服务的柔性,提出一种基于QoS的组合云服务自适应调整机制.该机制将可靠性、可用性、时间、价格和柔性度作为云服务的QoS特征,给出各特征值的量化方法和云服务QoS包含度的定义;对云制造环境下可能产生的异常进行了分类和抽象,将自适应调整逻辑引入组合云服务,建立了组合云服务自适应调整模型,并给出相应的调整算法和调整逻辑.设计了仿真实验,实验结果验证了所提方法的可行性和有效性.     

基于知识的云制造资源服务管理

分析了云制造资源服务的特点以及知识在资源服务全生命周期中发挥的作用,在此基础上提出了基于知识进行资源服务管理的机制,设计了一套适合云制造资源服务管理的知识库管理系统构建方法,结合该构建方法对资源服务管理流程进行了分析,最后开发了相应的原型系统进行了验证.     

数据挖掘知识谈

数据挖掘是一个利用各种分析工具在海量数据中发现模型和数据间关系的过程，这些模型和关系可以用来做出预测。     

数据挖掘研究

数据挖掘是一个新兴的领域，在短短几年内得到迅速的发展。数据挖掘是一个跨学科的领域，涉及到数据库系统、统计学，数据可视化，信息检索和高性能的计算，其它有贡献的学科有神经网络，信号处理、空间数据库、图像数据库。数据挖掘汇集了很多学科的技术方法。随着存储数据量的不断增长，已有的方法面临着可扩展性和效率的挑战。在数据库研究领域中，有效的数据结构、索引和数据存储都将对高性能的数据挖掘有所贡献。     

基于云模型的数据挖掘技术

定性概念和定量数据之间的转换在空间数据挖掘中起了至关重要的作用．云模型是定性概念和定量描述之间的转换模型,基于云模型,本文提出了在概念空间和特征空间中以不同的层次进行空间数据挖掘的新方法“数据-概念-知识”．     

云制造系统及其关键技术初探

云制造是当前先进制造领域研究的热点,云制造系统的应用对提高广大中小制造企业的综合竞争力有重要的意义。阐述了云制造模式实现的基础,分析说明了云制造系统的组成、运行原理、系统架构、构建云制造系统的关键技术,最后指出云制造系统的应用方向。     

非功能属性两阶段制造云服务优选问题研究

针对云制造系统中制造云服务优选问题,基于非功能属性研究了包含服务筛选和服务选择的两阶段制造云服务优选方法。以符合用户功能需求的制造云服务为研究对象,基于调度规则筛选快速生成精简的候选云服务集,采用三角模糊数层次分析法和熵值法组合赋权确定权重,并借助TOPSIS决策对候选云服务集实施综合评价,以此选出最佳制造云服务。文中详细阐述了基于调度规则的制造云服务筛选过程,并通过算例验证了基于组合赋权及TOPSIS的制造云服务选择方法的可行性和科学合理性。     

基于虚拟制造技术的车身并行开发研究

在介绍国内外车身开发现状的基础上,通过对常规车身ＣＡＤ／ＣＡＭ采用串行工作方式所产生弊端的分析和应用并行工程、虚拟制造等先进技术缩短新车型开发周期的阐述,指出并行工程、虚拟制造技术和车身开发三者紧密联系构成了现代车身开发的最新模式;在阐明车身开发过程中建立支持车身全生命周期的数学模型从而实现车身开发全过程数据共享的意义后,论述了利用快速原型机制造车身实物模型,然后应用逆向工程技术获得精确车身数学模     

基于PLM的网络化制造关键技术的研究

网络化制造是适应经济全球化发展而产生的先进制造模式,产品生命周期管理是现代企业的一项战略性业务解决方案。讨论了网络化制造下产品生命周期管理的理念,描述了面向产品生命周期管理的网络化制造模式下的特点,结合网络化制造的需求给出了其中的关键技术。     

基于信息技术的绿色制造运行模式研究

信息技术与绿色制造的理念相结合,运用信息技术支撑绿色制造,将成为绿色制造实施的关键途径之一.从产品全生命周期过程的角度,阐述了绿色制造的内涵及其运行特性,分析了信息化技术和绿色制造之间的关系,构建了一种基于信息技术的绿色制造运行系统体系结构,并对其构成模块进行了深入研究.     

一种改进的基于云平台的物联网数据挖掘算法

物联网数据挖掘处理的是海量数据,当前数据挖掘的一个研究热点就是在大规模数据集中快速有效地提取用户所需的信息。对传统Apriori算法做相应的改进,使得检索出全部的频繁项集,只要对事务数据库进行一遍扫描就可以完成,将该Apriori算法进行Map/Reduce化,利用云计算的分布式并行计算的性质,将其应用到基于云计算的物联网数据挖掘,实验验证了改进的Apriori算法的有效性。     

基于云模型的关联规则挖掘方法

目前对关联规则的研究主要集中在对布尔型属性关联规则的挖掘,本文引入基于云模型进行数据量型属性关联规则的挖掘的方法,并定义云关联规则“如果Ｘ是Ａ则Ｙ是Ｂ”,其中、Ａ、Ｂ分别是属性Ｘ和Ｙ中由云模型描述的概念。利用这种方法得到的关联规则更容易让人理解,也克服了传统划分边界过硬的问题,在此基础上,定义了在挖掘云关联规则中支持率、可 和相关性的计算公式,并阐明了它的一般性,即传统的硬划分及经典的布尔型属性关     

云计算环境下关联规则数据挖掘算法研究

在海量数据的关联规则数据挖掘中,采用并行计算是非常必要的;针对当前的关联规则算法,运用并行算法的思想,结合云计算环境下的Hadoop架构,提出了Hadoop下的并行关联规则算法的设计,最后实验表明,该算法能处理节点失效,并且能实现节点负载均衡。     

基于云计算的模糊规则挖掘算法在入侵检测中的应用

提出了一种基于云计算的模糊规则挖掘算法的入侵规则检测方法.以模糊集理论为基础,提出了在入侵关联规则挖掘中将特征属性模糊集作为单一属性来处理的模糊规则挖掘算法,有效地解决入侵规则中出现不相关规则和"尖锐边界"等问题.在云计算平台上进行算法的验证,利用云计算平台可进行大规模计算和数据处理的特点,得出该思想在入侵检测具有较好的应用效果和前景.     

基于云计算的数据存储技术研究

以云计算环境下大数据存储技术为研究对象,首先介绍了云计算环境下主要的两种典型的分布式存储系统,即Googk的GFS和Hadoop的HDFS;对其中的数据存储技术进行了专门分析,从可扩展性和延迟性（如何支持海量小文件的存储）、容错性（在数据丢失时进行数据恢复）和海量数据存储的实时性这3个方面对现有技术进行了评价.在此基础上,提出了分布式文件系统的系统架构.最后给出了研究展望.     

基于数据挖掘技术的图书馆参考咨询

介绍了数字参考咨询和数据挖掘,论述了基于挖掘技术的数字参考咨询系统设计框图及数据库结构设计。     

数据挖掘在CRM中的应用

通过对CRM和数据挖掘技术的描述，介绍了当今CRM中的重要准则及数据挖掘在CRM中应用的主要技术，对CRM和数据挖掘相结合解决问题的步骤进行了说明。     

基于Hadoop云平台个性化信息定制系统设计与实现

为提高信息获取的定向性和准确性, 适应大数据时代数据处理需求, 以高校信息平台为应用背景, 设计并实现了基于Hadoop 云平台的个性化信息定制系统。该系统利用Mahout 培养Bayes 分类器实现数据挖掘算法的分布式, 将分析处理结果存储于Hbase 数据库中, 并在移动终端上开发了基于Android 的客户端, 将移动终端与分布式信息处理平台互连, 完成信息推送。测试结果表明, 该系统可以为用户提供个性化定制服务, 方便用户随时查阅定制信息, 提高信息服务的针对性和互动性, 满足用户日益增长的网络访问需求。     

基于数据挖掘的高校图书馆读者服务优化

介绍了数据挖掘技术,阐述了高校图书馆数据挖掘的基本流程,提出了利用数据挖掘技术优化读者服务的具体措施。     

基于统计方法的数据挖掘算法研究

在统计方法的基础上提出了一种根据数据集合本身的统计特性数据挖掘算法．该算法利用数据本身的统计特性对数据仓库中的数据进行分析，在给定重要性比例程度的前提下，经过系列的统计运算，得到简化的数据仓库集，并根据分析得到了数据挖掘算法的流程图．提出了比例大小关系函数，反映了数据自身的统计特性，分析表明：这种算法极大的提高了数据的有效水平。