基于数据挖掘的考试成绩科学化管理

将数据挖掘技术引入到体育考试成绩科学化管理中来,提出了基于数据挖掘的体育考试成绩科学化管理框架,以关联规则为例,详细讨论了利用数据挖掘进行体育考试成绩科学化管理的具体过程,并对结果进行了简要分析.     

关于大学英语分级教学模式的思考

大学英语分级教学模式是各高校英语教学改革的趋势。文章首先分析了分级教学的理论依据，着重分析了分级教学利弊．最后指出了分级教学应注意的问题，并提出了相应的对策。     

基于密闭取心井和模糊评判分析埕岛油田水淹状况

目的探究埕岛油田馆陶组上段油层的水淹状况。方法结合密闭取心井分析,遴选5个控制水淹层变化的参数,采用模糊综合评价方法定量评价埕岛油田的水淹状况。结果流线位置、每米采液量、物性、井距和储层非均质性这5个参数从储层与注采两个方面影响着储层的水淹变化;使用模糊评价方法统计了11口新井的水淹状况,符合率达到84.2%。结论埕岛油田的水淹状况以弱水淹—中水淹为主,剩余油富集;Ng 5砂组油层厚度大,储层物性好,水淹程度最强。     

3R-3P双臂机器人用于纤维缠绕运动分析研究

在丝嘴处于缠绕轴平面运动的基本运动方程的基础上，推出一种能方便地用于异形缠绕的3R-3P双臂机器人缠绕机，并对运动学特点加以分析研究。     

鞍山市区人口特征简明分析

通过对鞍山市“三普”“四普”“五普”及历年的统计年鉴数据的开发利用，使用Excel软件，对鞍山市区，即铁东区、铁西区、立山区和千山区的人口现状及特征进行分析，得出鞍山市区人口数量增长趋于平稳，劳动适龄人口男性比重下降，女性比重上升等若干结论，以期为科学发展鞍山政策制定提供数据支持。     

鞍山市区人口特征简明分析

通过对鞍山市“三普…“四普““五普“及历年的统计年鉴数据的开发利用,使用Excel软件,对鞍山市区,即铁东区、铁西区、立山区和千山区的人口现状及特征进行分析,得出鞍山市区人口数量增长趋于平稳,劳动适龄人口男性比重下降,女性比重上升等若干结论,以期为科学发展鞍山政策制定提供数据支持.     

一种基于 Pareto 云隶属度的 MOPSO 算法

为定量解决非支配解排序问题,并兼顾多目标粒子群优化算法（multi-objective particle swarm optimization,MOPSO）的收敛性和多样性,提出了一种基于 Pareto 云隶属度的 MOPSO 算法。利用 Logistic 混沌映射优化种群的初始空间分布并融合布谷鸟搜索（cuckoo search,CS）指导粒子跳出局部陷阱,以增强算法的全局寻优能力。首次提出云向量评价 Pareto 最优解集方法,采用云隶属度评价准则对粒子适应度值进行量化评价。依据云隶属度选取个体最优和群体最优,平衡全局开发与开采,进而实现外部档案维护。测试函数集 ZDT 的实验结果表明,改进算法在收敛性和多样性方面较 MOPSO 和 NSGA-Ⅱ有一定优势。     

用微卫星技术研究珠江流域三个野生大眼鳜群体的遗传多样性

采用微卫星标记技术,探讨了广西右江、左江及红水河三江段野生大眼鳜群体的遗传多样性。采用生物信息学方法,自主开发了4对大眼鳜微卫星DNA引物,此外,还从28对鳜属微卫星通用引物中筛选出15对,19对标记均表现为高度多态性。对32尾右江(YJ)、35尾左江(ZJ)及36尾红水河(HSH)三地理群体野生大眼鳜进行遗传多样性分析,总群体的固定指数Fix范围为0.001 4~1.000,表明19个位点在总群体内表现为杂合子缺失,其对环境的应对能力有所下降。遗传参数统计结果表明,总群体观测等位基因数(Na=19.4737)、香农指数(I=2.399 8)、平均杂合度(Ave Het=0.720 6)、多态信息含量(0.447PIC0.947)均显示:在哈温平衡下,大眼鳜3群体遗传多样性丰富;但3群体遗传多样性存在差异,红水河群体的遗传多样性比左江群体、右江群体的遗传多样性丰富,左江和右江群体的遗传多样性水平较为接近。群体间遗传分化水平较大(0.15群体间近交系数Fst=0.153 90.25),15.39%的遗传变异来自于群体间,84.61%的遗传变异来自于群体内,群体内近交系数Fis为0.576 1,各座位的基因流Nm分布范围较广(0.147 4~8.909 1),平均Nm值为1.374 5,表明3群体间属于中等遗传分化水平,基因流基本顺畅,群体内的近交系数较高,容易引起遗传结构的变化。基于Nei's遗传距离的聚类分析显示左江群体与右江群体首先聚为一支,再与红水河聚为一支,符合其在地理位置上的关系。     

Software Maintainability Prediction with UML Class Diagram

Software system can be classified into many function modules from the perspective of user. Unified modeling language( UML) class diagram of each function module was extracted,and design characteristic metrics which influenced software maintainability were selected based on UML class diagram.Choosing metrics of UML class diagram as predictors,and mean maintenance time of function module was regarded as software maintainability parameter. Software maintainability models were built by using back propagation( BP) neural network and radial basis function( RBF) neural network, respectively and were simulated by MATLAB. In order to evaluate the performance of models,the training results were analyzed and compared with leaveone-out cross-validation and model performance evaluation criterion. The result indicated that RBF arithmetic was superior to BP arithmetic in predicting software maintainability.     

基于随机服务模型的云端会话的概率调度算法

对分布式环境中的多用户云端会话的任务调度而言,任务的到达过程、处理单元的状态以及网络传输等都具有不确定性,而传统的调度算法很少考虑这些不确定性。针对这一问题,研究了动态调度问题,并提出了一种概率调度算法,该算法可以提高调度速度和降低状态估计的不准确性。首先建立了排队模型,将所有到达过程组成一个多列,并且假设每个处理单元都有用于任务执行的本地队列,然后使用排队理论计算队列参数,最后基于这些参数,将该调度问题定义为一个非线性规划问题。仿真结果表明相对传统算法,文中所提算法的鲁棒性更高,且具有更快的响应时间。