基于位置和散度效应因子分类筛选及仿真试验

针对供应链及其它计算机仿真试验中所涉及因子数目众多的情形,序贯分支方法因筛选效率较高被广泛采用.然而,现有的序贯分支方法忽视对散度效应起显著作用的因子.由于相比位置效应,散度效应在产品或供应链系统的质量设计中是同等甚至更为重要的,故提出一种基于位置效应与散度效应的序贯分支方法.首先,将影响位置效应与散度效应的显著因子分类为调节因子,重要因子和稳健因子;然后,结合序贯概率比检验(sequential probability ratio test,SPRT),在控制筛选过程中第一类错误和第二类错误的基础上,采用序贯分支方法分类地筛选出显著因子;最后通过仿真试验说明此方法能够有效且分类地处理位置效应与散度效应下的显著因子筛选问题.     

基于AHP的产城融合评价研究

通过阐述我国产城融合发展中存在的问题,筛选出影响产城融合的指标因素,构建了包括经济发展、城市化水平和配套设施3个指标在内的评价体系.利用AHP方法进行定性和定量分析,确定了指标的权重,同时建立了产城融合评价模型,可以明确城市发展阶段,为促进城市产城融合建设提供了一些思路.     

城市社会背景下的“产城融合”发展问题研究

城市产生时就与产业密切相关,在进一步发展中却出现了城市与产业的隔离与分离,解决不好可能再现城市破产,因此,"产城融合"是"城市社会"时期需要认真研究的新问题与大问题。"产城融合"发展是在城市化进程推进过程中产业与城市相互配合、良性互动,共同推进城市持续健康发展、现代文明进步和广大人民群众提高生活质量。本研究认为,站在城市发展的角度,"产城融合发展"的研究与探索应当从"城市新区与新区产业"、"城市整体与城市产业体系"、"城市与区域产业"等3个层面渐次展开;站在产业发展的角度,"产城融合发展"要强化"以人为本"和"系统经营"观念,在更宽的市场背景中去寻求和选择城市产业发展内容。如此,才能实现城市产业体系优化,推动现代城市文明发展。     

基于多软件融合的计算机设计课程建设研究

当前各学科对计算机应用的要求越来越高,传统的计算机基础教学模式已经不能满足需求。通识选修课可以作为现有计算机基础课程的补充,也可以为计算机基础教学的改革与创新探路,计算机设计应用正是在这样的前提下开设的一门通识选修课。课程保留传统教学模式中的优势,结合以学生为主体的协作学习方法,形成一种创新导向的混合教学模式。同时优化课程的内容,以计算机设计为主要培养方向;完善教学资源,做好资源的建设和共享;建立规范的学生评价体系,重视对教学过程的评价。在计算机设计课程的实践教学中,新的教学模式取得了良好的教学效果,学生学习的积极性和自学能力都得到了显著的提高。     

基于时空域多特征融合的视频拷贝检测算法

针对视频拷贝检测中检测准确率低和误码率高的问题,提出结合时空域特征的多特征视频拷贝检测算法.该算法结合视频帧最大似然比和SURF描述子构成视频特征,较好地对抗各种视频变换,采用基于Kd树的特征匹配算法提高视频检测效率.实验表明该算法能有效提高拷贝检测的速度和准确度.     

基于IBFBP的IPv6路由查找算法

总结目前IPv6路由查找算法优缺点,提出了一种新的IPv6路由查找算法(IBFBP).该算法结合改进的布鲁姆过滤器(IBF)与BP神经网络,将IPv6不同长度网络ID作为IBF的输入,以关键字的特征标志创建标志库(LB)进行学习,提前判断是否发生误判.并且将位数组用counter计数数组来代替,支持可删除操作,进而进行BP神经网络学习过程.理论分析和实验结果表明:该算法比已有神经网络路由查找算法需要学习的条目数平均减少了1 500倍,还降低了误判率和搜索成本,提高了查找效率.     

一种基于C4.5算法的广告数据包分类方法

针对网页广告中存在的安全问题,提出了一种基于C4.5算法的广告数据包分类方法。通过对用户访问网页时产生的数据包进行收集,从中提取有用信息来构建分类模型实现广告数据包的分类。在对数据包进行处理时根据数据包中包含的信息生成网络关系图,之后在对关系图进行分析时将图论中的量作为属性选取的依据。本方法将数据包的时间属性作为分类的主要属性之一,针对时间属性的处理方法提出了新定义。实验结果表明,本文提出的分类方法能够快速构建具有较高的分类准确率的分类模型,研究结果可为类似问题的研究提供参考借鉴。     

《内蒙古大学学报》(自然科学版)第45卷分类索引

<正>~~     

基于MapReduce的ROCK聚类算法

随着大数据时代的到来,聚类分析算法将面临如数据量巨大、数据维数增加等挑战,分布式处理是解决这类问题的方法之一。本研究将ROCK算法与Hadoop平台相结合,按照分布式处理原则,通过计算机集群模式去处理大规模的多样性数据。实验证明,在Hadoop平台下的ROCK聚类算法很大程度上提升了对高维数据进行聚类的能力。     

基于局部紧耦合结构的模块性优化社区检测方法

利用局部紧耦合结构提升社区检测的模块性优化质量.首先,定义了4类边缘紧耦合结构,并提出了一种具有线性复杂度的边缘紧耦合结构挖掘算法.其次,分别选择k-clique,k-clan,k-plex结构作为核心紧耦合结构,并以长结构优先和短结构优先2种策略将边缘与核心紧耦合结构合并.然后,将合并后的局部紧耦合结构融入模块性优化过程,提出了一种NFN算法.该算法将每个局部紧耦合结构初始化为独立社区,不断凝聚模块性增量最大的2个社区,直至找到预定义数量的社区.6个真实数据集上针对外部指标和内部指标的实验结果均表明,相比于传统的FN算法,NFN算法能发现更高质量的社区.在参数设置方面,长结构优先策略优于短结构优先策略,且采用k-clique结构作为核心紧耦合结构优于采用其他结构.因此,长结构优先策略结合k-clique成为NFN算法的最佳参数组合.