一种融合节点变化信息的动态社区发现方法

动态社区发现旨在检测动态复杂网络中蕴含的社区结构,对于揭示网络的功能及演化模式具有重要研究价值.由于相邻时刻网络的社区结构具有平滑性,前一时刻网络的社区划分信息可以用于监督当前时刻网络的社区划分过程,但已有方法均难以有效提取这些信息来提高动态社区发现性能.针对该问题,提出一种融合节点变化信息的动态社区发现方法(Semi-supervised Nonnegative Matrix Factorization combining Node Change Information,NCI-SeNMF).NCI-SeNMF首先采用k-core分析方法提取前一时刻社区网络的degeneracy-core,并选取degeneracy-core中的节点构造社区隶属先验信息,然后对相邻时刻网络的节点局部拓扑结构变化程度进行量化,并将其用于进一步修正社区隶属先验信息,最后通过半监督非负矩阵分解模型集成社区隶属先验信息进行动态社区发现.在多个人工合成动态网络和真实世界动态网络上进行大量对比实验,结果表明,NCI-SeNMF比现有动态社区发现方法在主要评价指标上至少提升了4.8%.

基于关联挖掘的课程相关性模式研究

基于关联规则挖掘理论,采用经典Apriori算法,通过对某高校历届学生专业修读课程及考试成绩数据与规律、规则等的学习,发现了数据中隐藏的课程相关规则或模式.针对所产生的大量模式和规则进行兴趣度分析,提取出符合高校教学管理与改革需要的、更有效的课程相关规则,对指导当今高校学分制体系下学生选课、排课及学生个性化学业修读计划制订与实施等具有积极意义.

基于OLAP的高校教学协同决策

高校教学信息化建设积累了丰富的业务数据,如何利用历史数据进行高校教学协同决策,是管理者关心的问题。通过教学协同决策的若干主题,设计出多维立方体,并对其执行联机分析处理;设计用于协同决策联机分析处理(OLAP)平台,并给出了相应的分析结果。

基于核函数的支持向量机样本选取算法

使用支持向量机求解大规模数据分类需要较大内存来存储Hessian矩阵,而矩阵的大小则依赖于样本数,因此在一定程度上导致支持向量机分类效率及质量难以提高。考虑到只有成为支持向量的样本才对决策函数起作用,为了减少训练样本时所需空间及时间开销,提高支持向量机分类效率与质量,提出了一种基于核函数的样本选取算法。该算法通过选取最大可能成为支持向量的样本,以达到减少训练时存储Hessian矩阵所需空间及时间开销的目的。实验结果表明,该算法所筛选出的样本不仅可以提高样本训练准确率,而且可以提高分类计算速度和减少存储空间开销。

支持向量机的一种特征选取算法

支持向量机(Support Vector Machine,SVM)是一种有效的分类方法,其学习本质是通过对偶问题求解原问题,但是它不能直接获得特征重要性。提出一种新的特征选取算法,实验表明,该特征选取算法与一般特征选取算法(如F-Score算法)相比,对同一测试数据集计算的结果具有相同的降序排列结果,而且有更好的特征刻画量化指标,分界线更明显,表明新的特征选取算法具有更佳的合理性。

基于仿生模式识别的构造型神经网络分类方法

从BP神经元模型和RBF神经元模型几何意义出发,将仿生模式识别理论引入到神经网络分类中,提出了一种基于仿生模式识别的构造型神经网络分类方法,通过构造不同结构神经元结合的神经网络,实现了对不同类样本在高维空间中形成的不同形状几何体的覆盖。实验证明该算法是非常有效的。

基于本体的教务数据集成的探析

高校教务信息管理系统的异构数据源之间存在着各种语义冲突.本文结合本体和中间件方法,通过构建教务管理领域本体,将用户对数据集成的需求利用本体词汇进行表达,在中间层完成全局本体到局部数据源之间的模式映射,以处理教务数据集成的语义需求,对于推动数字化校园建设具有现实意义和实用价值.

实时监控数据图形展示与历史回放关键技术研究

管道腐蚀检测系统有利于工程师监测埋地管道腐蚀情况,节省管道维护开销。主要就管道腐蚀检测系统设计中有关实时监控数据图形展示与历史回放等关键问题的相关实现技术进行较深入研究,采用面向对象技术和特殊链表数据结构及算法。经系统实际运行,本方法不但有效解决系统设计中存在的若干问题,而且有效提高了系统开发效率、系统可维护性以及系统运行效率与质量。

基于IC卡技术的金融安全控制系统技术研究

作为RSA签名技术应用 ,本文探讨了基于IC卡进行数字签名的银行业务系统安全控制技术 ,并基于IC卡开放操作系统平台的SAM卡应用 。

一种集成链接和属性信息的社区挖掘方法

现有复杂网络社区挖掘方法由于单一利用节点链接信息或属性信息,从而无法有效发现成员链接紧密且属性高度相同的社区,针对该问题提出一种可集成节点链接和属性信息进行社区挖掘的方法:LANMF.LANMF基于非负矩阵分解模型,以联合矩阵分解的形式统一分解复杂网络节点链接矩阵以及属性关联矩阵,可直接获得节点与社区归属关系矩阵以及属性与社区关联矩阵,社区成员在链接结构紧密度以及属性相关性上可得到很好的保证.设计了乘性迭代更新规则作为联合矩阵分解优化算法并从数学上严格证明了其正确性和收敛性.实验结果表明:LANMF的社区挖掘质量优于现有典型的同类社区挖掘方法,能直接有效挖掘社区,而且实际应用表明LANMF适合用于挖掘现实世界复杂网络中的主题社区以及重叠社区.

基于网络表示学习与随机游走的链路预测算法

现有的基于随机游走链路预测指标在无权网络上的转移过程存在较强随机性,没有考虑在网络结构上不同邻居节点间的相似性对转移概率的作用。针对此问题,提出一种基于网络表示学习与随机游走的链路预测算法。首先,通过基于深度学习的网络表示学习算法——Deep Walk学习网络节点的潜在结构特征,将网络中的各节点表征到低维向量空间;然后,在重启随机游走(RWR)和局部随机游走(LRW)算法的随机游走过程中融合各邻居节点在向量空间上的相似性,重新定义出邻居节点间的转移概率;最后,在5个真实数据集上进行大量实验验证。实验结果表明:相比8种具有代表性的基于网络结构的链路预测基准算法,所提算法链路预测结果的AUC值均有提升,最高达3.34%。

构建创新体系,提高创新能力,培养创新人才

提高大学生的创新能力,培养创新人才是新时期社会经济进步对高等教育发展的必然要求。大学生创新能力的培养涵盖创新意识、创新思维、创新知识和技能、创新品质等几方面的内容。高等学校应该从课程体系、培养模式、实践平台、评价体系等方面着手建立一套系统的创新人才培养体系,切实提高大学生的创新能力,培养创新型人才。

实验教学数据管理与分析系统的研究与实践

为解决目前实验教学数据管理与分析工作所面临的问题,设计了一种新型实验教学数据管理与分析系统。该系统具备了全面的实验教学相关数据管理功能,同时借助SQL Server的商业智能工具,实现了相关主题数据的高效统计与分析功能,对系统的体系结构、功能组成、典型数据管理功能设计以及数据统计与分析模型设计等进行了详细说明。实际应用案例表明,该系统实现了实验教学管理工作的数字化、网络化以及智能化,可提高管理效率以及对管理决策具有积极的辅助作用。

餐饮决策支持系统中OLAP数据仓库的设计与实现

餐饮联机事务处理系统(OLTP)能规范企业业务流程和提高业务运转效率,但对企业决策的支持能力差,因此建立基于餐饮企业业务数据集的后台决策支持系统(DSS)是有必要的。提出了采用数据仓库、OLAP和数据挖掘技术建立餐饮决策支持系统的思路,重点讨论系统的体系结构设计,基于原型法,从开始的数据仓库模型设计、数据的抽取、转换和加载及多维数据集的设计,到最后的OLAP分析,对系统的实施进行了探讨。

数据仓库与OLAP在高校教学决策中的应用研究

随着高校信息化建设不断开展,高校教学领域积累了丰富的业务数据,这些历史数据中蕴藏着较高价值的信息,对教学管理决策有很好的帮助。在研究分析教学决策主题特点的基础上,构建教学数据仓库,设计相关分析主题以及数据分析模型,并开展了OLAP的实际应用分析,研究结果促进了数据仓库与OLAP在高校教学决策领域的应用,提高了教学数据分析能力和决策水平。

基于粗糙集的关联规则挖掘方法

对粗糙集进行了相关研究,并提出一种以粗糙集理论为基础的关联规则挖掘方法,该方法首先利用粗糙集的特征属性约简算法进行属性约简,然后在构建约简决策表的基础上应用改进的Apriori算法进行关联规则挖掘。该方法的优势在于消除了不重要的属性,减少了属性数目和候选项集数量,同时只需一次扫描决策表就可产生决策规则。应用实例及实验结果分析表明该方法是一种有效而且快速的关联规则挖掘方法。

基于核函数的层次聚类算法

层次聚类算法是运行复杂度较高的聚类算法,基于不相似性测度的层次聚类算法不适合稀疏高维数据.结合核函数特点,提出了一种基于核函数的层次聚类算法.利用该算法,对稀疏高维数据进行了层次聚类对比,实验结果表明,该算法提高了层次聚类的准确率.

高校课程相关性粗糙集分析模型及应用

将目前在数据挖掘领域应用广泛的粗糙集理论引入高校课程相关性分析中,提出了基于粗糙集的高校课程相关性分析模型。该模型首先运用粗糙集的相关性质对参与分析的决策数据进行属性约简,从而获得了较小决策数据集,然后应用基于分辨矩阵的关联规则提取算法提取关联规则,最后对规则进行评估与解释。通过对某高校某专业学生修读课程考试成绩数据进行实际应用分析,发现了课程成绩数据中隐藏的课程相关性规则,分析结果表明该模型在学分制体系下指导学生选课以及制定专业修读计划具有一定的辅助作用。

一种基于相似性度量的高维数据聚类算法的研究

针对传统基于距离度量的聚类算法难以适合高维数据聚类以及高维数据之间相似度难定义的问题,提出了一种新的高维数据聚类算法。该算法基于一个能够更准确地表达出高维对象之间相似性的度量函数,首先计算对象两两之间的相似度并得出一个相似度矩阵,然后根据该相似度矩阵和阈值大小自底向上对数据进行聚类分析。实验结果显示,该算法能够获得质量更高的聚类结果,并且不受孤立点影响,对输入数据顺序也不敏感。

基于CIF的银行分析型CRM系统的研究与设计

分析型客户关系管理系统(ACRM)的决策支持能力是CRM实施成功的关键。首先讨论了当前银行分析型客户关系管理数据仓库系统存在的问题,然后介绍了企业信息工厂(CIF)理论的原理、主要部件和对CRM的决策支持能力,提出了一种改进的三层ACRM体系结构模型,并从体系结构和决策支持能力两个方面探讨了基于CIF的银行分析型CRM数据仓库系统的设计与实施,最后讨论了其应用。