公共计算机机房管理和维护初探

通过实践经验,从做好软硬件的配备和维护,提高管理水平来保证正常的教学等几个方面,阐述了如何提高公共计算机机房的使用率,同时也能保证计算机系统较高的完好率,以便更好地管理公共计算机机房.

开放式专业综合实验室的建设与管理

开放式专业综合实验室的建设是实验教学所趋,它有利于实验室的资源共享和提高仪器设备的利用率.而实验技术人员的整体素质和科学的管理是搞好实验室建设的根本保证.

Windows 2000无人值守安装和维护管理的改进

基于Windows 2000 Server无盘网络的基础构建了一种新型的、智能化的机房管理系统.主要目的是在配置相同或不同的计算机之间建立一个相同的工作环境,利用无盘启动原理对工作站进行一系列智能化的维护和管理,以减轻机房的管理和维护量.

宽带网络应用接入中的BCS服务器

BCS宽带接入服务器的系统组成和原理,以及其在实践中的应用,通过实践应用就BCS宽带接入服务器与传统服务器进行技术和性能方面的比较,以便给大中小学校校园网络宽带接入服务器,酒店上网接入管理,网吧宽带接入管理的选择提供一个参考.

构建一个高性能嵌入式Linux服务器

主要介绍把一个普通的服务器改造成一个嵌入式Linux服务器的过程,通过进一步的开发和研究,就可以做出如路由器、防火墙、IDS入侵检测系统或专用通讯设备等.也可以把目前基于硬盘应用的Linux系统升级为基于嵌入式结构的Linux服务器系统.

基于联合相似用户-项目的协同过滤推荐算法

由于用户评分的偏好性,及其稀疏的评分矩阵,导致对目标用户的近邻无法进行准确的搜索,使得推荐结果不尽如人意.本文提出了一种联合用户-项目的推荐算法,不仅考虑用户近邻的推荐作用,也考虑了项目近邻的推荐作用.首先,定义相似用户评分影响为用户偏好影响因子,定义相似项目影响为项目偏好影响因子.其次,联合用户偏好影响因子和项目偏好影响因子进行共同推荐.在此基础上,设计新的推荐模型.通过大量的实验证明,提出的新模型得到的推荐质量优于传统模型.

一种基于异构系统的实时调度算法研究

高效调度是异构系统中实现高性能计算的关键.调度问题已经被证明是NP完全问题,由于其关键性,调度问题已经被国内外研究机构广泛研究,并提出了多种算法.尽管在一些文献中提出了异构多处理器的调度算法,但是这些算法的调度成本较高,并且在较低的调度成本下无法提供高质量的调度.本文提出一种最小评分优先算法(HMSF),该算法是一种适用于异构系统的高性能、快速调度算法,通过和传统的HEFT算法和DLS算法进行试验对比发现,HMSF算法可以使调度长度更短.

基于特征关联的多标记谱特征选择算法

在多标记学习中,一个样本不仅同时具有多个标记,而且还由高维特征描述,解决特征间的相关性和冗余性以应对维数灾难问题是多标记学习前的一个重要步骤.文中将谱图理论与多标记数据的特征选择相结合,提出基于特征关联的多标记谱特征选择算法.该算法假设各标记之间独立,首先对各单个标记考虑特征间的相关性和冗余性构建目标函数生成与该标记相关的一组特征排序;然后对各标记产生的排序进行融合,最后得到一组合理的特征序列.在4个数据集和5个评价指标上的实验表明,文中算法优于当前流行的多标记特征选择算法.

基于特征相关的谱特征选择算法

针对传统的谱特征选择算法只考虑单特征的重要性,将特征之间的统计相关性引入到传统谱分析中,构造了基于特征相关的谱特征选择模型。首先利用Laplacian Score找出最核心的一个特征作为已选特征,然后设计了新的特征组区分能力目标函数,采用前向贪心搜索策略依次评价候选特征,并选中使目标函数最小的候选特征加入到已选特征。该算法不仅考虑了特征重要性,而且充分考虑了特征之间的关联性,最后在2个不同分类器和8个UCI数据集上的实验结果表明:该算法不仅提高了特征子集的分类性能,而且获得较高的分类精度下所需特征子集的数量较少。

基于粗糙集的协同过滤算法研究

协同过滤的推荐性能受限于评分矩阵中数据的稀疏性。针对这个问题,提出一种基于粗糙集的协同过滤方法,能在一定程度上缓解数据稀疏性的影响。首先进行数据预处理,即利用用户评分数量以及用户的评分值,作为用户进行分类的特征值,对用户进行分类;其次,利用粗糙集属性约简的方法剔除对用户分类影响较小的项目,生成更小的用户-项目评分矩阵,以降低数据的稀疏性和规模;最后基于约简后的数据集进行用户相似度的计算,获得目标用户真正近邻。实验结果表明,所提算法在常用评价推荐性能的指标MAE,COVERAGE,PRECISION和RECALL中显著优于COS,PCC,ADCOS,NHSM算法中的指标。