一种正则化非负张量分解算法及其新的有效加速策略

非负张量分解优化模型在高维图像处理与数据分析中占有重要地位.本文聚焦超光谱图像重构问题,提出一种正则化非负张量分解算法,然后给出三种新的有效加速策略,分别为分层降维循环迭代、误差校正以及“指数保号性”策略.利用所提出的这些加速策略对算法求解效率进行综合提升与改进.最后,通过数值测试来验证本文所提出的算法与加速策略的可行性与实用性.

倒双谱的分形维数在故障诊断中的应用

高阶谱能有效去除高斯噪声,倒谱分析受信号传递路径的影响较小,分形维数能反映机械设备的运行状态以及信号的不规则性和不平稳性。为了有效进行机械故障诊断,将双谱、倒谱以及分形理论相结合,通过计算机械振动信号倒双谱的分形维数,对溢流阀的故障进行检测。实验结果表明,倒双谱的分形维数能很好地分辨出故障信息,说明双谱、倒谱以及分形理论相结合能有效表征机械振动特征,从而能有效地进行故障识别。

中、美国大学教育的见闻与思考

我国高等教育规模经历了从精英教育到大众教育的历程,在规模迅速扩大的同时,也给高等教育的质量带来挑战,提高教学质量是教育改革发展的核心任务。美国大学教育有着自身的特点:注重素质教育、注重学生独立思考和积极参与的能力培养、执行宽进严出政策等。

互补两岸优势,培养海西信息人才

在全球信息化的环境下,信息产业迅速发展,与此同时,信息产业也成为了紧缺急需人才产业之一。基于福建信息人才的现状,文章提出了信息人才培养的重要性,明确应加大信息人才培养力度。信息人才培养重在营造良好环境、创新培训机制、建立激励机制、创新人才引进机制,并结合高校实际,积极实行双语教学,加强与台湾的交流与合作,创建校企合作实训基地、实行学历互认,为海西建设服务培养信息人才。

基于离群点检测的不确定数据流聚类算法研究

应用网络流量、日志管理等数据流过程中,常遭设备精度、噪声等问题影响出现大量不确定性数据流,影响数据流的管理与挖掘。相关研究表明,检测数据流中的离群点能够挖掘网络中被忽视的异常数据。因此,提出基于离群点检测的不确定数据流聚类算法,首先,通过微聚类划分算法将数据集划分成若干个微聚类;然后,根据信息熵的微聚类过滤机制获取全局离群点,在离群点微聚类中使用基于距离的方法挖掘出局部离群点;最后,采用不确定数据流子空间聚类算法完成全局离群点以及局部离群点两种不确定数据流聚类。分析结果表明,在数据量和维度的影响下,采用同类聚类算法聚类时聚类效果较差,而所提算法可有效克服此类问题,且具有较强的伸缩性。

嵌入式远程控制系统的设计与实现

随着科学技术的不断发展,嵌入式远程控制系统被广泛应用于各个领域。要远程就必须有通信,要控制就必须有执行,成系统就要内部通信,解决的方案有多种且各有特点。本文以智能家居控制系统为例,从硬件上详细地阐述实现通信模块、执行模块其功能以及内部通信总线的几种方案。最后重点针对使用数据库时如何用C语言编写DBF文件的难题进行软件技术上的解决描述。

1(1/2)维谱及其倒谱在故障诊断中的研究与应用

为了提高故障诊断正确率，通过将倒谱和1 1/2维谱相结合定义了倒1 1/2维谱。1 1/2维谱能够消除高斯噪声，倒谱能够减少谱图中的虚假谱峰，但噪声对倒谱分析的结果具有较大的影响。倒1 1/2维谱则可以结合1 1/2维谱和倒谱的优点。通过将1 1/2维谱、倒谱和倒1 1/2维谱分别应用于溢流阀故障诊断实验，结果表明，倒1 1/2维谱可以取得较好的故障诊断效果。

新工科背景下的“六面一体”产教融合模式探索——以福州外语外贸学院信管专业为例

新工科背景下,产教融合对高素质应用型人才的培养具有重要意义,但目前产教融合存在校方“一头热”、缺乏深层次合作等问题,如何实现校企深层次合作是我们亟待解决的问题。“六面一体”产教融合模式分别从校企联合制定人才培养方案、校企共建课程、校企共建基地、校企共建师资等方面论述了产教融合的具体举措。

基于改进的FP-growth算法的高校课程关联度实证研究

利用学生课程成绩,挖掘课程间的内在关联,合理设置执行计划,为人才培养方案的制定提供决策支持,有效提高人才培养质量。针对FP-growth算法中存在极大内存开销弊端问题,提出基于二维表存储事务,进而求出频繁1项集、频繁2项集和非频繁2项集,实现减少对数据库事务遍历、对FP树剪枝以及减少遍历FP树次数。以某校信管专业学生成绩为研究对象,对算法的改进效率进行验证。

基于数据挖掘的高校学生成绩预警状况分析

针对我国高校近几年不断扩大的招生规模给教学管理带来的巨大冲击,本文利用数据挖掘技术(分类决策、关联规则、聚类分析)对预警生成绩进行分析,寻找不及格课程之间的内在联系、可能原因和关键因素以及预警生共性等,挖掘出隐藏规律和模式,将问题解决在萌芽状态,以期提高整体教学质量。

基于混合式教学模式下的“计算机应用基础”课程教学改革

计算机应用基础作为高校计算机入门课程,对培养学生的计算思维和信息素养起到重要作用。然而,现今高校的计算机应用基础课程存在着教学内容陈旧、学生水平参差不齐、教师水平停滞不前以及与专业脱节等问题。新工科背景下,各种信息化技术手段的涌现给该课程改革带来了机遇与挑战。将混合式教学模式应用于计算机应用基础课程教学中有助于提高学生学习的主动性与积极性,有助于培养学生自主学习的能力,有助于促进学生个性化发展,对提升课程总体教学质量起到重大积极作用。

本科院校非计算机专业“计算机应用基础”课程教学改革与实践——以福州外语外贸学院为例

目前,很多本科院校将"计算机应用基础"课程列为非计算机专业的公共必修课,然而,在校生的水平参差不齐,直接影响着课程教学质量.针对"计算机应用基础"课程的教学现状进行了分析,探索本科"计算机应用基础"课程的教学方法,以福州外语外贸学院为例提出了因材施教、多样化考核等措施对教学进行了改革,并提出有待于进一步解决的问题.

基于核函数的高维离散数据聚类算法研究与应用

随着信息技术的飞速发展,数据量越来越大,形式也越来越复杂,需要用更多的属性去描述其特征,从而增加了数据源的维度。面对高维数据,采用传统的聚类算法无法得到满意的聚类效果。分析了高维数据聚类分析以及多核函数的构造问题,提出了基于核函数的高维离散数据聚类算法,解决了分布不规则的离散数据样本聚类不佳的难题,提高了聚类效果。

基于云计算的高校教学资源优化整合研究

教学资源建设能够推进教学改革的正向进行。本文首先分析了高校教学资源建设现状,介绍了云计算相关定义、云计算特点以及云计算的关键技术,最后提出云计算在优化整合高校教学资源中的应用。

数据挖掘在智能财务决策支持系统中的应用

为实现企业财务决策的智能化、实时化,应用数据挖掘技术对内部财务数据进行深层次挖掘,并对传统的Apriori和ID3两种算法进行了改进,提高了财务决策支持系统的效率。

基于K-means均值算法的学生成绩分析——以福州外语外贸学院信息管理与信息系统专业为例

文章应用数据挖掘的K-means均值算法对学生成绩进行分析。首先介绍了几种主要的聚类分析算法;接着介绍了K-means聚类算法以及其相似性度量方法;最后,结合实例通过实验详细介绍了K-means聚类算法在学生成绩分析中的应用。通过聚类分析,挖掘学生成绩的内在价值,从而为管理者及教师提供有效的决策支持,提高教学质量。

基于FP_tree的最大频繁模式挖掘算法的改进

基于条件模式树的最大频繁模式挖掘算法在挖掘过程中将扫描事务数据库两次,且产生了大量的候选项目集,产生最大频繁模式过程中比较次数较多,总体效率较低.提出改进后的最大频繁模式挖掘策略,利用二维表保存事务出现项目的情况,通过最大频繁模式的相关性质减少了挖掘的项数及产生的频繁模式集,减少比较的次数.

Apriori算法的改进及应用

描述Apriori算法并指出其缺点,提出利用哈希技术及压缩组合项集技术对Apriori算法进行改进,结合实例详细介绍改进的基本思想及具体过程,利用实验对改进算法的效率进行分析,提出改进算法在图书馆个性化服务中的应用。

数据挖掘技术在教学质量监控中的应用

高校工作的核心在于教学质量的提高,而教学质量的提高是一个不断改进的过程,这个改进的过程需要通过教学质量监控体系进行跟踪、反馈、实施。本文通过对现有教学质量监控体系存在的问题进行分析,将数据挖掘技术应用于体系构建过程,实现从定性到定量的评价,达到动态监控教学过程的目的。以FP-growth算法在教学质量监控体系构建中的应用为例,挖掘影响教学质量的教师内在因素,为教学管理层提供决策参考。

关联规则数据挖掘在图书馆个性化服务中的应用

本文通过关联规则挖掘技术来探究读者的读书倾向,提供个性化服务,向读者进行借阅推荐。