基于模糊综合评价的课堂教学质量数据挖掘

本文从应用模糊综合评价法得到教师的课堂教学质量的评估等级和量化成绩,应用模糊聚类算法确定主关键条件属性集,使用模糊数据挖掘出评估数据库中教师课堂教学质量评估等级同评估指标之间的规则知识,以一个应用实例为对象建立的课堂教学质量模糊数据挖掘验证了该方法的可行性。

远程教育网络中基于混合P2P的VOD点播

视频点播是远程教育开发中视频教学子系统的重要组成部分。根据当今视频点播系统的瓶颈问题,设计上采用基于混合P2P的设计方案。解决了服务器自身资源的限制,合理使用用户计算机空闲的资源提供部分服务,使得得整个系统的能力得到极大的提高。

一种基于粗糙集和遗传神经网络的数据分类器模型(英文)

为了实现对无线传感器网络监测得到的高维冗余且不确定的数据进行分类识别,提出一种由遗传算法和粗糙集进行优化的BP神经网络数据分类器模型,并形成了数据挖掘分类算法。该模型通过粗糙集理论的属性约简算法删除训练样本的冗余属性,利用遗传算法对神经网络的权值和阈值进行优化,并进行神经网络学习。数据挖掘分类算法学习速度快,能够有效提高无线传感器网络中数据的分类效率。

基于DRM的多媒体课件点播

数字版权保护是网络远程教育中多媒体课件点播必须解决的问题。通过对数字版权管理技术进行研究,设计实现的课件点播数字权限管理系统功能包括:多媒体课件加密、打包、用户权限设定、许可证产生和分发。

无线传感器网络中分布式数据挖掘算法研究

研究无线传感器网络中数据挖掘问题。针对大量高维冗余且不确定的无线传感器网络监测数据传送到中央服务器上使用传统的数据挖掘方法进行挖掘的缺点相当明显,导致耗费了珍贵的网络能量。为解决上述问题,提出在每个传感器节点上进行基于粗糙集与遗传BP网络相结合的分布式数据挖掘算法,利用GA来训练BP网络的阈值和权值来构成遗传BP网络(GABP),克服BP网络的某些不足;利用粗糙集RS在消除冗余信息、处理不确定性数据等方面的优势,缩减训练数据输入BP网络的维度。仿真结果表明,改进算法能有效地实现对无线传感器网络中的数据进行分类,取得了较理想的效果。

传感器网络分布式数据流的频繁项集挖掘算法

研究无线传感器网络中数据流频繁项集挖掘问题。针对集中式的静态数据流频繁项集挖掘方法不能在传感器网络中直接使用这一特点,提出基于传感器网络的分布式数据流的频繁项集挖掘算法FIMDS。该算法基于FP-tree快速挖掘出传感器节点上单一数据流的局部频繁项集,然后通过路由将其在无线传感器网络里逐层上传合并,在Sink节点上汇聚后,采用自顶向下的高效剪枝策略挖掘出全局频繁项集。实验结果表明,该算法能有效地大幅度减少候选项集,降低无线传感器网络中的通信量,并有较高的时间和空间效率。

一种基于蚁群算法与粗糙集的混合BP神经网络

为了解决BP神经网络对高维冗余样本分类时收敛速度慢、易陷入局部极小值问题,提出基于蚁群算法与粗糙集的混合BP神经网络分类模型.该混合BP神经网络用粗糙集对样本进行约简和降维,输入层神经元个数得到减少,降低了训练神经网络的计算复杂度,用蚁群算法解决了选取神经网络权值和阈值的随机性,避免了因其而导致的易陷入局部极小值的不足.对UCI数据库中数据集的测试结果说明,提出的混合BP神经网络对高维冗余复杂样本进行分类是可行的,性能远远比传统BP神经网络和蚁群神经网络优越.

基于MPI蜂群K均值聚类算法并行化计算

基于传统编程模型的K均值聚类算法是典型的串行算法,对大数据聚类时性能不佳,为获得令人满意的大数据聚类性能要求,解决K均值聚类算法的固有不足,提出一个基于MPI的蜂群K均值进行并行化聚类的算法。结合改进的蜂群算法和K均值迭代,使算法的全局寻优能力得到提高,降低初始聚类中心对算法聚类质量的影响,对该算法做MPI并行化改进,实现基于MPI的蜂群聚类算法并行计算。通过对串行与并行蜂群K均值聚类算法分别进行仿真实验验证,得到了并行蜂群K均值聚类算法在效率和性能上更优的结论。

蜂群K-means聚类算法改进研究

针对经典K-means聚类算法过于依赖初始聚类中心和易陷入局部最优的不足,提出一种带有学习能力的人工蜂群算法(ABC)与K-means迭代相结合的聚类算法。该算法通过能动态调节的学习权重因子来平衡人工蜂群算法的全局探测与局部搜索能力,同时结合K-means聚类快速的优点,来提高聚类算法的全局寻优能力,降低初始聚类中心对算法聚类质量的影响。通过仿真试验验证,该算法克服了K-means算法的缺点,具有收敛速度快、稳定性强和聚类精度高的优势,得到良好的聚类效果。

无线传感网络监测数据分类算法仿真分析

研究无线传感网络数据的准确分类问题.针对无线传感网络监测得到的数据属性呈现高冗余特征,用传统的BP神经网络进行分类易陷入局部最优解、泛化能力差、收敛速度慢与精度低等问题,造成数据很难被准确分类,提出用免疫算法优化BP神经网络的分类算法.该算法利用免疫算法所具有的全局收敛特性和个体多样性保持机制,全局搜索优化BP神经网络的权值,再用BP算法对其开展局部搜索工作.仿真实验结果证明,该算法能够有效克服训练经典BP神经网络时容易陷入局部极值的不足,加快了网络的收敛速度,传感器网络数据分类识别的准确率也得到了大幅度提高.

传感器网络分布式免疫遗传聚类算法研究

本文研究无线传感器网络数据的聚类分析问题.针对传统k-means对初始聚类中心敏感和易于陷入局部次优解的缺点,提出一种基于传感器网络的分布式免疫遗传k-means聚类算法.该算法将聚类中心作为染色体,通过遗传算法来优化传统k-means聚类算法的初始聚类中心,将免疫算法的选择操作引入染色体的遗传进化中,使染色体的浓度和适应度共同对其在进化中被选择产生影响,实现了染色体种群的多样性保持机制和自我调节功能,将搜索工作引向全局最优,较好地解决了k-means算法的早熟现象问题.实验结果证明,本文算法改进了数据的聚类划分效果,能够把聚类结果快速收敛至全局最优,聚类准确率较高.

毕业设计中信息素养的提升与创新能力的培养

毕业设计是提高毕业生全面素质的关键环节,在创新能力培养中,离不开信息素养作用的发挥。文章在分析毕业设计中开展信息素养和创新能力培养的重要性与紧迫性的基础上,提出了毕业设计目标的重新定位,同时给出了在毕业设计中提升学生信息素养,加强创新能力的培养途径和方法。

一种具有学习能力的人工蜂群优化算法

针对传统人工蜂群算法对高维多峰问题优化时常常易陷入局部最优解,导致算法早熟收敛,而对单峰问题优化时收敛速度不够快的不足.为了使算法的性能得到进一步的优化,提出了一种带有双重学习能力的人工蜂群改进算法(DLABC).DLABC算法中采蜜蜂对蜜源邻域进行局部搜索时,增加个体对其自身最优值的自我学习能力和对种群中的其他个体最优值的社会学习能力,使用随着迭代次数动态变化的学习权重因子来平衡种群的局部搜索和全局探测能力,防止算法早熟收敛和加快收敛速度.通过对标准函数仿真测试验证,和几个改进的人工蜂群算法比较,DLABC算法的优化性能有了较大程度的提高.

基于B/S的精品课程模糊综合评价系统

针对精品课程评估指标的模糊性,构建了基于模糊综合评判的精品课程评价系统。该系统用ASP.NET技术和Web数据库技术,开发了一套基于B/S模式的精品课程综合测评与监控系统,主要功能模块采用层次结构形式,实现了对评价信息的收集、处理、浏览、分析。通过测试与分析,验证了系统的可行性和方法的合理性。

构建有利于创新能力培养的毕业设计教学体系

毕业设计是大学本科教学过程中培养学生创新能力的关键环节,文章详细介绍了玉林师范学院计算机专业在构建有利于创新能力培养的毕业设计教学体系中采取的一系列措施,涉及毕业设计选题,指导方式,答辩管理与成绩评定的创新做法以及实践成效.

毕业设计中计算机应用能力培养的研究

本文阐述了在非计算机专业毕业设计中，将毕业设计与计算机编程、辅助设计及多媒体设计有机结合，通过合理地选题、前期准备工作、改进毕业设计指导方法等措施，取得了较好的成效。既锻炼了学生运用专业知识分析问题与解决问题的能力，又提高了学生在本专业毕业设计中的计算机应用能力。

基于粗糙k-均值的分布式聚类算法

针对传统k-均值聚类算法中每个属性聚类作用相同而导致的聚类效果不佳,以及不适宜在传感器网络中使用等问题,在传感器网络中采用粗糙k-均值算法对数据进行分布式聚类,可减少网络负载和传感器节点能量的消耗.实验结果证明:该算法在聚类速度、聚类正确率、网络传输通信量等方面均优于传统k-均值算法.

远程教育支持系统中黑盒测试用例的设计

软件测试在软件工程管理中所占比重越来越大,测试用例的设计是整个测试过程的基础.结合工作实践详细介绍了黑盒测试用例的设计方法,并举例说明了如何应用黑盒测试技术.

基于模糊综合评价的课堂教学质量评估系统

针对教学评估的模糊性,从学生参与课堂教学质量评价的角度构建教学评价指标体系,利用层次分析法确定权重,建立了基于模糊综合评价法的课堂教学质量评估系统。文中给出了模糊综合评价的数学模型和课堂教学质量评估系统的设计与实现,并介绍了相关开发技术。

毕业设计中软件工程的应用探讨

针对毕业设计过程中存在的问题,结合作者在指导计算机软件专业学生毕业设计过程中的经验和体会,本文主要研究学生在毕业设计时如何综合运用软件工程学的原理、技术和方法来组织和管理软件生产,以保证学生达到学以致用的目的.