基于粗糙集的多目标线性规划分类规则提取研究

作为一种有效地分类方法,多目标线性规划已经被广泛应用到商业问题中。针对以数学模型表示的分类结果解释性差的问题,本文研究从线形规划分类模型中提取易于理解的分类规则的方法,打开McLP分类模型的＂黑箱＂。并利用粗糙集理论对MCLP分类模型不能区分的不确定区域进行表示和规则提取,提出了基于粗糙集的MCLP分类模型知识提取方法和算法。实验结果表明,该方法能够从分类结果中提取易于理解的规则并提高了MCLP的分类准确度。

无线传感器网络中的聚类协议综述

无线传感器网络中的聚类是将传感器网络划分成多个簇的过程,可用于延长网络生存期。每个聚类中都存在一个称为聚类头的节点。聚类头可由同一聚类中的节点选出,也可由网络设计人员预先指定。首先给出了无线传感器网络中聚类协议的分类特性;接着对已有的聚类协议从聚类头选择方式上进行了分类,并对已有的聚类协议从基本特性、聚类属性和聚类头选择方式3个方面进行了比较;最后总结了已有聚类协议研究的不足之处,并指出了未来有待研究的关键问题。

面向大数据的并行聚类算法在股票板块划分中的应用

上市公司的经营业绩在一定程度上反映股票的投资价值,因此以反映上市公司盈利能力、偿债能力、成长能力、资产管理质量及股东获利能力5个方面共15项财务指标作为股票投资价值的衡量指标,首次尝试使用面向大数据的并行聚类算法Mahout中的K-means聚类算法和模糊K-means聚类算法对中国A股市场约2 600支股票依据其财务指标进行聚类,以便进行股票板块的划分,并比较两种算法在不同距离度量方式下的迭代次数、执行时间、聚类间密度和聚类内密度。实验结果表明,谷本距离度量方式下的K-means算法聚类效果最好,因此可将该实验结果作为最终股票板块划分结果进行分析,从而为投资决策提供参考。

智能电网数据资产的风险管理

智能电网本身的复杂性使得目前我国各部门智能电网数据的管理水平参差不齐,数据资产化存在诸多风险。因此,风险管理成为智能电网数据资产化工作推进的必要环节。从智能电网数据资产的特征入手,结合电力行业特征、大数据研究方法和风险管理要素,为智能电网数据资产的风险识别与管理提出了数据治理、数据安全、供应链数据共享、客户信用风险控制以及智能电网稳健性建设等建议,并结合我国电网实际项目与实施效果进行了案例研究,最后分析了智能电网数据资产风险管理未来的发展趋势。

面向服务组合的覆盖网络构造问题研究

根据服务组合的特点,以自治域为基本单位,通过征集网络中大量可用的内容服务器,并部署少量的组合代理服务器,构建覆盖网络。由于组合代理的数量和位置直接影响覆盖网络的性能,因此将组合代理部署代价以及组合代理到征用节点的路由代价作为优化目标,建立数学优化模型,利用局部算法和自适应遗传算法进行求解。实验结果表明,组合代理部署模型能在满足服务组合应用需求的基础上,使覆盖网络的路由性能达到最优。

大学数据库课程教学中项目化管理的探索与实践①

项目化管理是以项目为对象的系统管理方法，其理念应用于大学课程教学活动的管理，能够激活学生创新意识，开阔学生视野，拓展学生的知识面，增强学生的团队精神。本文以数据库课程为例，介绍了项目化管理方法在教学中的实践过程，证明在教学中使用项目化管理方法可以提高教学质量，促进学生能力的提高和素质的培养，进一步实现对学生的素质教育。