Oracle中使用支持向量机的时间序列预测方法

利用Oracle数据库中的数据挖掘选件(Oracle Data Mining,ODM),并使用存储在Oracle数据库中的时间序列数据,可构建预测时间序列未来值的支持向量机(Support Vector Machines,SVM)模型。建模时,需去除时间序列中的趋势,将目标属性标准化,确定包含延迟变量窗口的尺寸,利用机器学习方法,由时间序列历史数据得出SVM预测模型。与传统时间序列预测模型相比,SVM预测模型能够揭示时间序列的非线性、非平稳性和随机性,从而得到较高的预测精度。

P2P计算网格路由和负载均衡算法

路由和负载均衡是P2P计算网格的两个技术难题,由于P2P网络的分布性和动态性,以及缺乏统一的中心控制,使得传统的路由和负载均衡算法不能应用于P2P网络。提出了一种源自蚁群智能的混合路由和负载均衡算法,通过移动代理,即人工蚂蚁在节点间移动时所释放的信息素来作为路由和任务调度的依据。仿真结果表明该算法是有效的,且适用于具有分散和自组织特性的P2P网络。

高校大数据实验室及实验体系的规划与建设

大数据产业已上升至国家战略,建立大数据实验室及实验课程体系是培养大数据技术人才的必要条件.本文对大数据的知识体系进行了梳理,分析了"数据科学与大数据技术"专业和"大数据技术与应用"专业的培养目标及职业定位,明确了大数据专业的学生应该掌握的关键知识和需要重点培养的专业技能,介绍了主流的大数据生态系统,选取了最通用的大数据架构,提出了在单机环境、单机虚拟化环境、共享大数据集群环境、云计算环境下建设大数据实验室的不同方案,并设计了大数据实验课程体系及实验项目.

基于蚁群算法的P2P文件共享系统

研究了一种基于蚁群优化算法和多代理技术的P2P共享文件系统,介绍了其设计原理、系统结构、实现文档查询及路由的算法。经过在P2P仿真器上的测试,结果表明其在文档搜索路由的效率明显提高,资源开销明显减少,整个系统具有较好性能。

基于群智能的P2P计算网格负载均衡算法

对等网络(P2P)计算网格是采用非集中控制的动态网络环境,在P2P网络环境的各个对等节点间均匀分配任务是网格计算的重要研究内容。传统C/S模式的负载均衡算法无法适用于分布式且动态变化的P2P网络。文章提出了一种基于群智能和多代理技术的P2P网络负载均衡算法,设计并实现了基于蚁群优化算法的分布式作业调度策略。仿真结果表明该算法是合理而有效的。

蚁群智能模型检测算法

蚁群智能模型检测算法借鉴了自然界中蚂蚁通过信息素相互沟通,从而完成觅食、搬迁等需要协作的复杂社会活动的原理。通过分布在程序控制流图和状态图上的代理,即人工蚂蚁的回溯来跟踪寻找模型中的正确路径和错误路径,人工蚂蚁在控制流图上移动时,分别在正确路径和错误路径上释放两种不同的信息素,通过对两种信息素的对比,可自动定位出程序中引发特定错误的原因。由于人工蚂蚁之间相互独立、并行工作,因此算法能够同时、并行地跟踪多条正确路径和错误路径,也可同时定位出引发多个不同错误的不同原因。通过对中小规模程序的检测,结果表明,该算法是有效的。

基于移动中央服务器的P2P系统

本文在分析混杂P2P系统的基础上提出并设计了一种基于移动中央服务器的P2P系统。它是对混杂P2P系统的一种改进,可以有效地解决混杂P2P系统中的单点失效及维护代价过高的问题。

基于SAX的时间序列相似性度量方法

符号化表示是一种有效的时间序列降维技术,其相似性度量是诸多挖掘任务的基础。基于SAX(sym-bolic aggregate approximation)的距离MINDIST_PAA_iSAX不满足对称性,在时间序列挖掘中具有局限性,提出了对称的度量Sym_PAA_SAX,且下界于欧拉距离。在真实数据集和合成数据集上的实验说明下界紧密性较好,相似搜索错报率较低。

斥力势场下的多粒子群协同动态优化算法及其应用

动态环境下的优化问题是当前智能计算领域一个研究热点.针对当前多种群动态优化存在的问题,提出一种基于斥力势场的多粒子群协同优化算法,利用多个种群并行搜索,当发现局部极值点后,在局部极值点处建立人工斥力势场,防止多种群对该区域重复搜索,当环境变化时,采用柯西变异对种群进行初始化,通过对DF仿真,验证了改进算法具有较好的跟踪性能.另外,本文从数学上证明了多种群搜索的优越性,分析了柯西变异优于其它变异的原因,为算法的改进策略提供了理论依据.最后将该方法应用于动态系统PID控制器的参数整定上,获得了满意的控制效果.

微粒群算法中粒子运动稳定性分析

在研究微粒群算法是否收敛时,粒子运动稳定是微粒群算法收敛的前提条件,在分析粒子运动稳定性时,大多数文献假定微粒群只有单个粒子,最优粒子位置和局部最优粒子位置固定不动,并且忽略粒子运动的随机性,这些假定忽视了粒子算法中粒子运动的本质.首先从评估函数出发,考虑到粒子间的交换性,给出了吸引位置存在的证明,然后利用随机过程理论对粒子的运动进行分析,证明了最优粒子的位置序列是不断靠近吸引位置,最后考虑粒子运动的随机性,利用时变差分系统理论,构造李亚普诺夫能量函数,得到了微粒群中任意粒子运动稳定的条件.

基于种群熵的多粒子群协同优化

提出了一种基于种群熵的多粒子群协同优化算法,通过引入熵对种群粒子的分布性进行度量,然后利用它来引导在多种群协同演化中粒子迁徙的时间和方向,从而保持粒子在寻优过程中的多样性和快速性。通过四个典型测试函数的仿真说明了该算法具有摆脱局部极值能力和较高的收敛速度。

探索新的经济“增长点”——兼论政府与市场的关系

在市场经济条件下,任何新的经济"增长点"的培育和形成都难以规避市场的考验,市场能够起到大浪淘沙的作用。同时,政府所扮演的角色也不容替代,它能起到"助推"或"催化"作用。当前,世界正处于新一轮科技革命和产业革命的前夜,在此背景下,探索新的经济"增长点",政府无疑要发挥引导和扶持作用,但如何把握"介入度",从而保证市场作用的充分发挥,这是各经济体在确保经济顺畅发展的同时所必须考虑的问题。

P2P网络拓扑模型分析

随着网络技术的日益发展,P2P技术被誉为改变未来因特网的新兴技术逐渐走入我们的视野,成为目前网络技术研究领域的新热点。该文分别介绍了P2P网络拓扑模式的三个发展阶段并加以比较。

高校虚拟仿真实验教学改革策略探索

近年来,在新工科和新时代高等教育内涵式发展驱动下,高校积极开展实验教学改革研究,虚拟仿真立项数量急剧增加,是一个热点研究方向。对于虚拟仿真实验教学还存在认识不足、硬件条件建设配套不完善和考评机制不合理等问题,从源头做起,紧跟技术发展,深入研究虚拟仿真实验教学内涵,按阶段分节点做好规划,重构实践教学体系,加强虚拟仿真实验建设研究,并从基础硬件、建设过程和开放运维以及考评体系建设来调动学生积极性等方面提出了改革方向和措施。

商业智能的功能及发展

信息技术的高速发展带来了企业利用信息技术提高自身竞争力的巨大空间,信息技术不但使企业获取需要的信息,而且还能促进企业对信息的再利用,以此增强企业的竞争优势,许多以提供软件平台和工具平台为主的大公司通过多年与企业的交往,已经认识到企业对商业智能的迫切需求,纷纷加入到从事商业智能的研究与开发上来。

融合实体特征及多种类注意力机制的领域关系抽取模型

基于远程监督的关系抽取方法可以明显地减少人工标注数据集的成本,已经被广泛应用于领域知识图谱的构建任务中.然而,现有的远程监督关系抽取方法领域针对性不强,同时也忽略了对领域实体特征信息的利用.为了解决上述问题,提出了一种融合实体特征和多种类注意力机制的关系抽取模型PCNN-EFMA.模型采用远程监督和多实例技术,不再受限于人工标注.同时,为了减少远程监督中噪声的影响,模型使用了句子注意力和包间注意力这两类注意力,并在词嵌入层和句子注意力中融合实体特征信息,增强了模型的特征选择能力.实验表明,该模型在领域数据集上的PR曲线更好,并在P@N上的平均准确率优于PCNN-ATT模型.

融合对抗训练及全局指针的实体关系联合抽取

实体关系联合抽取旨在从文本中抽取出实体关系三元组,是构建知识图谱十分重要的步骤之一.针对实体关系抽取中存在的信息表达能力不强、泛化能力较差、实体重叠和关系冗余等问题,提出了一种实体关系联合抽取模型RGPNRE.使用RoBERTa预训练模型作为编码器,提高了模型的表达信息能力.在训练过程中引入了对抗训练,提升了模型的泛化能力.使用全局指针,解决了实体重叠的问题.使用关系预测,排除不可能的关系,减少了冗余的关系.在基于schema的中文医学信息抽取数据集CMeIE上进行的实体关系抽取实验表明,模型的F1值比基准模型提升了约2个百分点,在实体对重叠的情况下,模型的F1值提升了近10个百分点,在单一实体重叠情况下,模型的F1值提升了大约1个百分点,说明该模型能够更准确地提取实体关系三元组,从而有效提升知识图谱构建的准确度.在含有1–5个三元组的对比实验中,在拥有4个三元组的句子中,模型的F1值提升了约2个百分点,而在拥有5个及以上三元组的复杂句子中,F1值提升了约1个百分点,说明该模型能够较好地处理复杂句子场景.

高校云桌面计算机实验室方案选择与设计

云桌面是云计算虚拟化技术的一种具体应用,不但可以充分利用各类硬件资源,而且适用于移动式实验教学和移动式办公,可以很好地解决传统计算机实验室所面临的一些问题。云桌面存在着多种不同的解决方案,通过分析对比4种主流的云桌面技术方案的优缺点,探讨了在建设云桌面计算机实验室时,如何综合考虑预算、网络、运维条件,以及安全性、集中管控、移动性、图形图像应用等方面的需求来选择最合适的方案。

高校人工智能实验室的规划与建设

该文讨论了高校在建设人工智能实验室时,需考虑的计算能力、训练数据集、算法及框架这三大要素,设计了人工智能实验室的架构,并重点介绍了单机深度学习实验平台和基于CPU加速云服务的共享深度学习实验平台的设计思路和技术方案。此外,还介绍了人工智能实验课程的体系和实验项目。