基于Web技术的计算机实验教学平台的研究与实现

计算机的实验教学，在现代教育技术教学中已是十分基础的课程，基于Web技术的网络实验平台的建设已得到普及．本文根据本人教学中的实际应用，设计了一个具有小型的实验教学平台，在实际实验教学中的应用和研究．分析了教学过程中的需求，研究了基于Web技术的实验教学平台的实现技术．     

基于Web的多媒体CAI课件开发

基于Web的多媒体CAI课件是多媒体CAI课件与Web技术的结合。介绍了在基于Web的多媒体CAI课件开发过程中对课件页面进行优化的原则和方法。     

基于用户轮廓的可扩展Web流量模拟方法

针对M IT L inco ln L ab数据集评测方法中背景超文本传输协议(hypertex t transfer protoco l,HTTP)流量在用户建模和流量模拟时会造成偏差,提出了一种基于用户轮廓的W eb流量模拟方法。该方法在应用层进行数据采集并对用户行为特征进行建模生成用户轮廓知识库,模拟时可根据不同网络环境特征扩展生成虚拟用户轮廓。实验分析表明,该方法能同时兼顾流量模拟的扩展性和真实性,生成的数据集流量特征与实际网络相吻合,用于入侵检测系统评测时能有效降低误报率指标。     

基于WSRF的网格资源信息服务架构

为了满足视频服务网格中资源信息服务的要求,特别是视频信息资源的组织和管理,提出了一种基于WSRF的多副本一致性信息服务架构,并基于MDS4实现.该系统主要包括资源注册、信息采集、信息查询、资源监控和报警处理等五大功能模块.同时,提供了Web页面的形式,便于用户进行资源的查询和监控.据此设计的原型系统已经应用于实践,取得了良好的效果.     

Web服务在异构信息资源共享中的应用

异构信息资源的共享问题是数字图书馆建设中的重要问题,文章在介绍Web Services技术标准的基础上,讨论了基于Web服务的实现异构信息资源共享的解决方案.     

Web Information Retrieval的分析与展望

网络的飞速发展使得网络信息检索成为人们迫切的需求。本文对网络信息检索技术进行了介绍、分析和比较,在此基础上,对未来的应用前景进行了展望。     

框架技术与设计模式在网上购物系统中的应用

框架技术和设计模式是设计可复用面向对象软件的基础,是对在特定场景下解决一般设计问题的类和相互通信的对象的描述,两者的组合应用在实际的软件设计中能够发挥更大的威力.目前大多数网上购物系统是基于两层体系结构来进行设计开发,存在效率低下、可维护性差等问题,为改善这种状况,从网上购物系统的需求出发,通过引入框架技术与设计模式,构建了一个具有较强的可重用性和可扩展性的系统.     

基于本体的环境信息系统框架

为了解决环境信息学研究和应用中所遇到的数据异构、系统互操作和信息检索等问题,将信息学中本体和语义网研究领域的最新成果引入环境信息学,提出和设计了一个基于本体的环境信息系统框架。该框架以本体技术为核心,采用双层本体结构,提供语义级的信息共享和系统互操作,实现了环境信息服务和环境智能信息检索功能,具有很强的可扩展性。     

基于Web挖掘的个性化服务

协同过滤和基于内容的过滤等传统个性化服务技术存在不能处理大规模数据、需要用户输入主观的评价信息、只能利用静态的统计特征等缺陷.最近提出基于Web使用挖掘和Web内容挖掘的个性化服务体系结构,在此基础上进一步引入了Web结构挖掘,统称为基于Web挖掘的个性化服务体系结构;给出了通过聚类算法获取总体使用特征、内容特征和结构特征及其一致化表示的方法;提供了通过总体使用特征、内容特征和结构特征实现个性化服务的途径.     

Identify Implicit Communities by Grap Clustering

How to find these communities is an important research work. Recently, community discovery are mainly categorized to HITS algorithm, bipartite cores algorithm and maximum flow/minimum cut framework. In this paper, we proposed a new method to extract communities. The MCL algorithm, which is short for the Markov Cluster Algorithm, a fast and scalable unsupervised cluster algorithm is used to extract communities. By putting mirror deleting procedure behind graph clustering, we decrease comparing cost considerably. After MCL and mirror deletion, we use community member select algorithm to produce the sets of community candidates. The experiment and results show the new method works effectively and properly.