基于自适应蚁群算法的分布式分类规则挖掘算法

基于分布式数据挖掘技术,提出了一种基于自适应蚁群算法的分布式分类规则算法。该算法采用了不同的启发式函数及信息素改变方法,引入了自适应机制与变异策略,从而达到缩短蚁群算法计算时间、加快算法收敛速度、提高预测准确率的目的。实验结果验证了该算法的有效性。     

基于ADO的数据库开发技术研究

ADO技术已经取代ODBC,发展成为数据库访问的主流技术。在介绍了ADO的对象和集合的基础上,详细阐述了用ADO开发数据库的原理和步骤,并举例说明了在Access数据库开发中的几个关键技术,给出详细代码。     

基于虚拟样机的异构双腿机器人联合仿真

阐述了一类新型双足机器人--异构双腿机器人的概念及研究目的.研究用Pro/E、ADAMS和MATLAB/Simulink联合构建异构双腿机器人的虚拟样机,并提出基于虚拟样机的联合仿真策略.为实现对期望步态的动态跟踪,提出了基于对角回归神经网络的自适应PID控制算法.为验证方案的合理性,进行了步态仿真及控制仿真.结果表明,虚拟样机技术可避免复杂的人工建模和求解过程,仿真逼真且接近实际系统,为复杂双足机器人系统提供了良好的研究方法.     

面向虚拟矿山的复杂异构地形网格渐变仿真

针对虚拟矿山动态仿真中地形网格具有规模大、结构复杂和变化前后拓扑异构等特点,实现了一种边界一致的快速异构网格渐变仿真方法。首先将大地形网格划分为静态区和动态区,对变化前后的动态区网格进行双向插值,实现顶点对应和拓扑重构;然后利用k-d树等结构建立动态区顶点和三角形网格的空间索引关系,实现对地形网格变化区域的快速查找和更新;最后根据地形网格特征自动计算符合实际生产工艺的渐变推进方向。通过实验表明,该方法在效率和逼真度方面均能满足虚拟矿山动态可视化仿真需求,可以较好地完成复杂地形网格渐变模拟过程。     

JSP软件开发中数据库连接池技术的探讨与应用

结合传统情况在开发基于数据库的Web应用时,对后台数据库的访问模式,讨论了如何使用数据库连接池思想解决存在的问题.描述了数据库连接池的基本概念、工作原理,分析了关键问题,并且以tomcat服务器上实现MySQL数据库连接池和编写数据库连接池类为例,实现连接池的应用.     

基于J2EE架构的网络课程管理系统的设计与实现

建立通用的网络课程管理系统,实现教学资源的合理共享,对于提高教学资源的利用率,改善教学环境具有重大意义.采用当前流行的J2EE架构下的多层应用模式开发方法,给出通用网络课程管理系统的设计及开发方案,实现了教学信息资源共享,提高了教学信息的传播和利用率,该系统已经在某高校开始应用并节约了大量的人力物力.     

基于多特征融合的同名专家消歧方法研究

针对专家库构建过程中出现的同名歧义现象, 提出一种基于多特征融合的同名专家消歧方法。从中国知网(CNKI)数据源中获取专家的论文信息, 抽取论文的标题、摘要、关键词、作者单位和合作者等关键信息, 并将其作为属性特征, 构建特征表示模型, 进而定义同名专家之间的相似度计算函数。根据计算得到的相似度, 将同名消歧问题转化为聚类问题。利用近邻传播聚类算法进行聚类, 解决同名消歧问题。在采集的专家论文数据上的实验表明, 基于多特征融合的同名专家消歧方法的准确率可达92%, 取得良好的消歧效果。     

Moving average threshold heterogeneous autoregressive (MAT-HAR) models

We propose moving average threshold heterogeneous autoregressive (MAT-HAR) models as a novel combination of heterogeneous autoregression (HAR) and threshold autoregression (TAR). The MAT-HAR has multiple groups of lags of a target series, and a threshold term can appear in each group. The threshold is a moving average of lagged target series, which guarantees time-varying thresholds and simple estimation via least squares. We show via Monte Carlo simulations that the MAT-HAR has sharp in-sample and out-of-sample performance. An empirical application on the industrial production of Japan suggests that significant threshold effects exist, and the MAT-HAR has a higher forecast accuracy than the HAR.     

异质网络中融合多类信息的链路情感倾向预测

信息网络中基于节点间情感关系分析的链路情感倾向预测在商业营销、内容推荐等领域应用广泛，是网络分析的一个研究重点.传统的链路情感倾向预测方法对于数据信息的挖掘不够充分，忽略了对数据深层语义以及节点属性等信息的利用，预测准确度有待提升.针对以上问题，提出了异质网络中融合多种类型信息的链路情感倾向预测模型.模型首先引入预测基值作为特定节点间情感关系的粗略评估，然后结合节点的相似关系以及节点的属性等信息完成预测.其中，在捕获网络中具有相似情感倾向的节点用于预测任务时，提出了一种基于限制路径类型元路径的遍历游走方法.在5个公共数据集上的实验结果验证了所提模型的有效性及对于稀疏矩阵、冷启动问题的处理能力，并揭示了模型各组成部分在预测过程中的作用.