Web主动服务中基于混合挖掘的用户意图辨识

针对用户意图在主动服务各个环节中的不同作用,采用混合智能算法在主动服务中对用户意图进行辨识。用v-SVC的支持向量学习算法对用户的偏好和意图进行学习和辨识,反映用户的状态和所处的角色;用概念层次生成算法对用户服务属性层次化,以获得用户的服务焦点;使用基于模糊聚类算法辨识用户所期望的服务质量或等级。实验分析表明,使用混合算法辨识用户意图具有高效性和实用性。

基于GAIFWFCM和TFNs的协同过滤算法

针对传统推荐系统中使用离散评分未能合理表达用户偏好的问题,将遗传算法引入优化特征加权模糊C均值,通过梯形模糊聚合相似目标用户,提出基于遗传算法的优化加权模糊C均值聚类融合梯形模糊数的协同过滤模型。通过遗传算法进行增强初始聚类中心,利用优化加权模糊C均值聚类融合梯形模糊数,分析类内与类间属性特征关系,实现用户精细划分,合理过滤推荐。在两组数据集中以MAE和RMSE作为评估指标进行实验,实验结果表明,所提算法在与其余6种算法对比中分类误差更低,对用户意愿识别更加清晰。

基于反射技术的Web服务失效处理

服务失效制约着Web服务高可用性的实现,表现为服务的绑定失效、调用失效和执行失效。造成失效主要原因是服务所处环境的变化,在Web服务的客户方和服务器方配置反射层使之捕捉到造成服务失效的各种影响状态,以便及时调整应用服务的内部结构和运行状态,使得服务适应环境的变化,以提高应用服务的自适应性和健壮性。针对服务失效的处理,给出了客户方和服务器方反射层的实现方法和工作过程。通过实验仿真和分析,表明利用反射技术可以有效地处理服务失效这个问题。

Web服务失效处理的反射中间件技术应用与实现

为提高服务有效性,在Web服务的客户方和服务器方配置反射层,捕捉到导致服务失效的各种状态和参数,有针对性地从服务内部动态调整服务运行状态和配置。依据服务失效类型,给出客户方和服务器方反射层的处理方法和工作过程,并借助于分层混合专家网络(HME)作为服务失效的检测方案,基于极大似然的HME学习策略可以对高维、非线性和强耦合的状态空间进行学习和辨识。通过实验和数据分析,表明了基于HME网络的反射中间件可以高效地对服务失效进行检测和处理。

基于“ABCM-CPM-Petri”模型的销售配送流程优化

文章针对流程优化中的选择关键流程、流程定量分析和流程评价优化等问题,将作业成本管理法、关键路径法与Pet ri网等方法结合起来,建立了"ABCM-CP-MPet ri"的优化模型以优化企业的销售配送流程。通过四阶段来进行流程优化。在企业销售配送中的仿真结果表明该模型在流程优化中具有一定的有效性和可行性。

基于QoS上下文的Web服务动态合成

针对QoS上下文在服务合成中的不同作用,文中提出将QoS上下文模型用于服务的动态合成.利用QoS反馈控制机制,根据用户的QoS要求,在环境QoS变化的情况下,对备选的服务进行动态选择、组合和执行,并使用遗传算法作为QoS反馈机制的控制器,保证了QoS指标的确定.实验和仿真结果表明,基于QoS上下文的服务合成能够动态、自适应地进行服务的组合,并满足用户QoS的指标和要求.

资源协同下的企业联盟智能制造技术研究

全球化制造中分布式网络化模式正逐渐成为一种趋势。为解决异构化企业协同智能制造的问题,提出一种基于IMS的企业资源协同模型,根据企业资源的聚集性构造具有特征路径短、聚类度大的小世界网络,将企业制造单元或生产工序构建成小世界网络。在此基础上,研究针对此网络特性进行企业联盟路径的生成算法。实际应用中在订单属性驱动和多节点Agent代理下,构建基于IMS的协同模型,为解决企业联盟机制和多任务企业资源路径问题,采用改进蚁群算法和在小世界网络下进行问题求解。通过仿真实验结果表明该模型和方法的有效性和正确性。

一种基于小世界网络中的Web服务智能路由算法

依据小世界网络具有特征路径短、聚类度大的特点和服务的聚集性,将提供Web服务的对等节点构造成为具有小世界属性的网络,在服务的查询、路由中可以提高效率和减少通信量。Web服务路由凭借其虚名称和路由感知机制,在SOAP中方便地实现路由路径的指定和装载。本文借助蚁群算法,提出了在小世界网络模型中的基于QoS约束下的路由算法(QAA),通过实验仿真和算法分析表明QAA在对等的小世界网络中具有高效的路由性能。

基于分层混合专家神经网络的Web服务失效检测机制

利用反射中间件来检测导致服务失效的各种状态和参数,从服务内部动态调整服务运行状态和配置,可以有效地避免服务失效.将分层混合专家神经网络(Hierarchical Mixtures of Expert neural network,HME)配置在反射中间件的元层中,用来检测这些服务的失效环境状态,并解决引起Web服务失效的状态.利用极大似然(Expectation-Maximization,EM)的学习策略对分层混合专家网络进行训练.实验和数据分析表明,HME网络作为反射中间件检测技术可以高效地对服务失效进行检测和辨识.

基于梯度提升决策模型的空间占用检测研究

随着绿色建筑和绿色生态城区经济激励机制基本形成,面对大量多维空间占用数据,大数据绿色建筑节能体系应运而生。然而大量多维的建筑数据却没有被充分利用,且传统空间占用检测模型分类精度还不够准确,模型时间复杂度较高。利用UCI占用检测数据集,在原始数据集上加入时间戳,使模型分类精度均获得提高,同时利用MCMR(最大相关最小冗余)方法进行特征选择,通过随机森林作为分类器验证分类效果,获取最优特征子集。利用选取的特征子集构建占用检测模型,其中XGBoost模型与随机森林模型(RF)进行比对,分类精度较高,且时间复杂度更低。

融合FCM和TFNs的协同过滤推荐算法

针对推荐算法中的稀疏性问题和传统推荐系统中使用离散评分,用户对物品的喜好程度只能通过5个等级来选取,用户对物品的偏好程度是模糊的且5等级评分不能合理表达用户的喜好,提出一种结合模糊C均值(Fuzzy C-Means, FCM)和梯形模糊数(Trapezoidal Fuzzy Numbers, TFNs)的协同过滤算法。首先,在传统的模糊C均值算法上融合遗传算法,将遗传算法的搜索结果作为模糊C均值的初始聚类中心,以其克服传统FCM搜索极易陷入局部最小值点的缺陷;然后,引入梯形模糊相似度模型,将离散评分数转化为梯形模糊数以此来计算用户相似度,从而利用模糊分数预测估计进行推荐;最后,选取MAE和RMSE作为评估指标,在Movielens数据集中进行实验,实验结果显示所提算法在与其余四种算法对比中预测误差更低,精确度更高,有效提高了推荐质量,也证明了该算法对于稀疏性问题有一定程度上的缓解,表明了该算法的有效性。

基于脆性熵的群体踩踏事件演变研究

大规模群体踩踏事件的成因和演化过程成为公共危机管理的研究热点之一。文章利用脆性熵来研究系统崩溃成因及演化。根据人流去向和波动情况的比率来表征事件的同一概率、波动概率和对立概率,并根据其值来计算相应的脆性同一熵、脆性波动熵、脆性对立熵,同时利用燕尾突变级数法求出各种熵在脆性联系熵中的权重用以计算系统的脆性联系熵,表明脆性基元内子系统的熵值在外界干扰过程中不断增加,达到临界熵值而崩溃,致使发生大规模群体踩踏事件。通过利用系统脆性熵对上海外滩踩踏事件进行实例分析,可以较清晰地揭示踩踏事件的发生、演化,并能根据脆性熵值进行预防和管理危机事件。

基于模糊综合评判的建筑住宅产业化水平评价研究

为了进一步丰富住宅产业化的评价指标,评定住宅产业化的发展水平,文章以层次分析法为基础,构建了住宅产业化水平评价指标体系,由指标之间的相互对比得出判断矩阵进而计算指标权重,同时对结果做一致性检验。再利用模糊综合评价确定整体评价方法和过程,进而确定最终目标的评价矩阵,得到住宅产业化水平的综合评价结果。利用上述方法对马鞍山建筑住宅产业化水平进行评价,可以说明评价指标体系和评价方法具有应用价值和借鉴意义。

信任与工程项目管理绩效的Meta分析研究

通过对42篇实证文献的梳理发现信任对工程项目绩效的研究存在较大的分歧。在原始文献的基础上利用Meta分析方法得到一个更为普遍、综合的结论:信任与工程项目绩效是显著的正相关,并且不同信任维度对工程项目绩效的影响程度也有差异。此外,还对中介变量、指标类型、测量维度3个调节变量进行亚组分析,当有中介变量的时,两者的影响程度更高;信任的多维测量和绩效的硬指标相比较而言对两者的相关有更为积极的促进作用。

基于模糊神经网络的光伏发电系统发电量的预测

光伏系统的输出电量由于受太阳日照量、气候、光伏组件材料等多种因素影响而是一个非线性的变化量,因此对其输出电量的准确预测可以提高光伏系统并网后电网的稳定性及安全性。在模拟实验中,将模拟数据按春、夏、冬三季进行划分从而确定了规则层的节点数为三,进而推导出模糊化层和去模糊化层的节点数,在训练过程中通过梯度下降法来更新模糊神经网络各层的参数,得到一个符合要求的预测网络。将用于测试的数据输入到训练好的神经网络中,用来验证该方法的有效性。

以工作过程为导向的网络技术专业实践教学体系构建

基于案例和项目建立计算机网络技术专业三维课程模式,其中平面维分别是技术基础知识维和技术基础实践维,纵向维是综合应用能力(项目)维,实现知识、技能培养的螺旋上升。该课程模式下的实践教学体系以"网络工程"和"网络管理"两条主线为方向,由基础实验项目、课堂实训项目、专业综合实训项目或模拟案例项目、公司真实工位实习项目和毕业设计等5个环节组成,共同构成由点及面、螺旋式上升的3DCC实践教学体系。

长三角区域经济一体化进程中数据要素配置机制研究

为了定量分析长三角区域数据要素配置的影响因素,本文基于数据包络分析(DEA)-Malmquist方法估算长三角区域实际状态下的全要素生产率,并进一步以全要素生产率(TFP)为被解释变量,与数据要素配置相关的指标为自变量,建立逐步回归模型,评估数据要素在长三角一体化进程中的配置效率。分析结果表明:2005—2018年实际状态下长三角区域全要素生产率平均增长率为3.9%。市场竞争度、教育水平以及产权制度指标具有较高的回归系数,对长三角区域数据要素配置效率具有较高的影响。基于上述研究,从优化布局、统筹协作,建立共享平台、健全机制等方面提出促进长三角区域数据要素配置效率提升的对策建议。

基于灰色-马尔科夫的马鞍山市电力需求预测分析

电力能源作为一种基础性能源,在国民经济发展过程中发挥着重要作用,对电力能源需求进行科学的预测有助于促进电力能源的合理供给,保障经济的健康可持续发展。将马尔科夫理论与GM(1,1)模型相结合,构建灰色-马尔科夫组合预测模型,克服了GM(1,1)模型在预测波动较大的样本数据时拟合度差、预测精度低的理论缺陷,有效提高了模型的拟合度和预测精度。通过马鞍山市电力需求预测实例说明模型的优越性,同时有效预测了马鞍山市未来3年的电力需求量。

基于PK模型的一种自适应遗传算法研究

遗传算法可以被理解为在逐代演化的过程中,适应性强的个体或种群具有更高的生存可能性的一种并行搜索算法。提出了基于PK竞争策略的遗传算法(Player Killing Genetical Algorithm,PKGA),其核心思想在于通过PK赛式的竞争筛选,直至剩下一个全程最优的个体即为全局最优解。通过对全程最优解的即时检测,同时配合交叉率与变异率在个体粒度上自适应地动态调整,算法能很好地避开局部极值点并减少进化过程中的退化现象。这种PK竞争筛选策略保证了算法较高的搜索效率和较强的鲁棒性。仿真实验证明,算法在应对早熟问题和退化现象及收敛效率等方面明显优于传统的标准遗传算法。

基于蚂蚁算法的协同产品设计链合作伙伴选择研究

优化的设计链可以缩短产品上市的时间,从而获得竞争优势。合作伙伴选择是设计链构建的重要环节,设计链伙伴选择的求解是一个组合优化问题,将蚂蚁算法与遗传算法相结合用于合作伙伴的优化选择,利用遗传算法快速的全局搜索能力生成信息素分布,蚂蚁算法求精确解,优势互补,得到了满意的效果。