关于异构数据连接的研究

针对目前中间数据格式多元化,不利于数据交流与共享这一问题,考虑系统的可扩充性及针对网络传输方面的要求,提出了异构数据连接的一般模型和处理方法,即含中间数据源的XML传输方式异构数据连接模型．并且以转换虚拟现实语言(*．wrl)数据为例应用研究．     

基于VIKOR方法的钢铁企业大型设备维修方案决策模型

为准确评估钢铁企业大型设备的故障状况,推荐最优维修方案,建立了基于多源异构多准则折衷排序(Vise Kriterijumska Optimizacija Kompromisno Resenje, VIKOR)方法的大型设备维修方案决策模型.首先基于文献资料和专家经验构建主客观指标体系,主要包括大型设备状况、同类设备历史维修信息、维修团队的技术水平和维修条件等一级指标;然后针对多源异构信息,确定主观权重与客观熵权法相结合的综合指标权重;其次采用基于异构信息的VIKOR方法处理评价信息,得到钢铁企业大型设备维修方案的优先次序;最后通过钢铁企业大型设备维修方案的实例分析和灵敏度分析,验证多源异构VIKOR方法大型设备维修方案决策模型的可靠性和有效性.     

基于多核异构的代数多重网格的并行算法实现

近年来,受GPU其高浮点峰值性能的提高和应用领域中大规模科学计算问题的驱动,高性能领域中利用代数多重网格(AMG)求解稀疏线性方程组成为研究热点。针对经典的AMG算法,探究建立阶段(网格粗化)和求解阶段的并行计算结构,提出基于多核异构的AMG并行计算模式。数值实验表明,并行计算模式计算效率相对于串行提高了3~4倍,加速效果明显。     

基于组合权重和多属性决策的异构网络接入算法

为提高异构网络的接入性能,提升用户体验,文章提出了一种基于组合权重和多属性决策的异构网络接入算法,该算法可以根据用户业务特性的不同,使用熵权法和模糊层次分析法（FAHP）分别计算网络属性的主观权重和客观权重,然后根据组合权重,使用VIKOR计算网络的最后分值,将网络排序,进行了异构无线网络的接入。最后进行了所提算法与其他3种算法（Entropy-FAHP-SAW、Entropy-FAHP-MEW、Entropy-FAHP-TOPSIS）的对比仿真实验,结果表明,算法在保障业务用户Qos的基础上,降低了网络的切换次数、切换失败,减少了乒乓效应,提高了接入判决的服务质量。     

群体事件中用户传播重要性的评价模型

为了达到更进一步理解群体事件在微博中的传播机理并得到能够综合评定事件参与用户在传播中重要程度的方法,采用定性分析和定量研究相结合的方式,基于真实案例的传播数据对社会群体事件的微博进行了分析。通过事件的消息转发关系构建了群体事件的微博传播系统;通过对若干传播基础指标实施主成分分析,构建了群体事件用户传播重要性的综合评价模型;结合复杂网络的相关理论,开展了该模型的评价值和复杂网络中心性指标的相关性分析。通过分析和研究,发现了群体事件的网络是具有无标度性质、小世界特征和较高集聚系数的复杂网络,在该网络中用户传播重要性的评价值实际与用户的复杂网络 核分解指标值存在极高的相关性。因此,人们可以依靠 核分解为核心的分析方法更精确、更有效地找到影响群体事件微博传播的重要用户。     

基于TCP Vegas拥塞控制算法的改进研究

文章针对同构型网络环境下Vegas算法优于其他算法,而在异构型网络环境下由于Vegas算法保守型的拥塞避免机制,导致其网络性能表现较差进而未能获得广泛应用的问题,在分析Vegas算法工作原理的基础上,提出一种Vegas参数优化算法.NS2仿真结果表明:Vegas参数优化算法具有大拥塞窗口和高吞吐量、低误码率等性能,与R...     

异构集成学习中的观察学习机制研究

集成学习是提高分类精度的一种有效途径,已在许多领域显示出其优于单个分类器的良好性能。观察学习是一种基于社会学习理论的集成学习方法,以往对其研究集中于同构模式。在此提出了基于异构模式的观察学习策略,通过训练、观察、再训练三个阶段完成学习。在UCI标准数据集上对异构环境下的观察学习算法进行了实验研究。结果表明,该方法优于多数投票法和单个分类算法,其对弱分类器组成的分类器集合尤其有效。从偏差/方差分解的角度对观察学习提高分类性能的原因进行了论证,结果表明,观察学习算法既可以降低偏差,也可以降低方差。     

丙酮分子的异构与解离

用密度泛函B3LYP／6—31G(d,p)方法和高级电子相关的QCISD(T)方法进一步研究了丙酮分子CH3COCH3的异构化反应过程．根据计算得到的6个异构化反应通道,分析实验中观测到的离子碎片的可能来源．该计算结果为解释实验中观察到的离子碎片的来源提供了有价值的理论参考．     

基于异构并行的山洪动力演进模型和模拟研究

为建立山区小流域降雨-山洪演进正演模拟和预报方法,构建了从降雨、植被截留、土体入渗、坡面汇流到山洪演进全过程物理模型．采用一阶迎风差分格式求解描述坡面汇流到径流过程的扩散波方程,并在凸地形点采用修正算法确保计算精度和求解简便性．基于CPU(中央处理器)+GPU(图像处理器)异构并行加速技术实现从降雨到山洪动力演进全过程快速模拟,计算效率相对CPU单核提升300倍左右．通过一维构造地形试验、V型槽实验和都江堰龙溪河真实小流域山洪过程分析,验证了当前计算模型和方法的有效性,为基于动力过程的山洪灾害实时预报研究提供参考．     

多源异构教育大数据挖掘与应用平台

为解决校园不同信息、应用系统间不能互通互联、共享数据等问题,利用数据整合技术将多源教育数据进行融合,搭建一套多源异构教育大数据挖掘与应用平台。该平台利用人工智能模型的输出以及多源异构教育大数据挖掘引擎的输入,基于大数据挖掘技术对学生档案、教学资源和社交行为等多源信息进行分析处理,实现教学体征诊断、学习状态智能对比、教学影响因素分析、潜在问题挖掘、教学质量趋势预测等功能。为科学提升校园个性化教学服务质量,客观评价教学个体及团队教学水平,辅助分析教学个体及团队长板、短板,科学指导决策者管理教学体系提供有力支撑。