不确定性因素对项目评估中确定值的影响分析

在项目评估中常常会产生许多不确定因素的影响,针对不确定性因素,对收益额、折现率、收益期确定值的影响度进行了分析,以提高收益法结论的可靠度,使收益法评估在对未来收益的预测时,建立在一个更科学合理的基础上。     

试题库智能组卷算法的设计与实现

智能计算机辅助教学中一个重要问题是试题库的智能组卷。通过对组卷约束条件的描述，建立了该问题的数学模型，给出了解决此问题所涉及的主要数据结构及组卷搜索算法。实验结果表明，该方法具有较好的性能和实用性。     

基于MapReduce的数据流频繁项集挖掘算法

针对传统数据流频繁项集计算中效率低、内存消耗大等问题,本文采用并行计算的思想设计了一种基于MapReduce的数据流频繁项集挖掘算法,首先,对进行数据分块压缩和传输,其次,将数据频繁项的计算分布在负载均衡的数据节点,可以有效保证数据的执行效率.最后通过一次调度处理合并各个节点产生的频繁项集并进行合并.理论分析和实验对比结果均表明,该算法对于并行处理数据流频繁项集的统计问题是有效可行的.     

未来测验新趋势——计算机自适应测验

介绍了计算机自适应测验（CAT）的基本原理及优越性,指出它可以解决传统的纸笔测验自身无法解决的弊端,能够快速准确地估计出被试的真实水平,极大激发被试的考试动机,真正实现因人施测.     

分布式数据库约束性关联规则挖掘

针对分布式数据库和约束条件的特点,提出了2种在分布式环境下挖掘约束性关联规则的有效算法,即基于Apriori算法的DMAIC算法和基于频繁模式树的DAMICFP算法.此外,进行了实例验证和测试分析,指出了这2种算法各自的优缺点及适用条件.研究结果表明:DMAIC算法可靠性高,通信协议简单,适用于对通信性能要求不高的分布式数据库;DAMICFP算法执行效率高,通信性能好,适用于对通信性能要求较高的多项目分布式数据库;这2种算法均能有效地解决分布式挖掘约束性关联规则的问题.     

关联规则挖掘Apriori算法的改进及其应用研究

在分析经典关联规则挖掘算法的基础上.提出了一种改进的Aprioff关联规则算法.并进行该算法的UCI机嚣学习数据库性能分析和设计电子病历关联规则挖掘应用系统.结果表明该算法在运行速度和挖掘性能上都是高效的.     

关于高校科研项目档案的几个问题

从意识、特殊性、收集归档、保密性、开发利用等五个方面提出了高校科研项目档案的若干问题，并探讨了解决这些问题的办法．     

服务系统中申请项—状态集约束规则算法研究

本文研究服务系统中顾客的申请项能否被接受对顾客所处的状态的依赖关系的问题，分析了申请的拒绝规则的结构，给出了判断申请项能否被接受的算法，提出了一种当决策者需要拒绝规则经常变化时，操作员修改系统中的拒绝规则的解决方案。     

判别数项级数发散的一种方法——加括号法

本文首先对调和级数用反证法证明其发散,随后,将这种方法加以推广建立了判别正项发散的一种方法——加括号法,而这种方法也适用于一般项级数。     

对《刑法》第九十三条第二款的思考

刑法总则是指导分则的，刑法分则是刑法总则的具体化。两者相辅相成，缺一不可。在运用刑法分则条文时，必须符合刑法总则规定的一般原理和原则。目前刑法总则条款九十三条第二款有疏漏，其指导的分则条款却很完善。那么，根据罪行法定原则，建议将该条款中国有公司、企业、事业单位、人民团体修改为国有单位，就不会出现前后矛盾。