基于不相关性检验的大数据异常抽取算法

针对当前大数据异常抽取方法存在耗时长、精度低的问题,提出新的大数据异常抽取算法。构建基于Hadoop的大数据异常风险监测系统,对大数据流量分流处理,使用预处理端与储存端监测异常数据风险,利用最小二乘支持向量机计算风险趋势;引入Fisher函数,构建不相关性检验模型;利用模糊遗传方法算出异常数据流汇聚于多层空间内的模糊聚类中心,获取异常数据属性集分类增益方程,完成大数据异常抽取。根据实验结果可知:所提方法的最高耗时为9s,明显低于传统方法,且所提方法的抽取结果与实际情况一致。可得结论为:所提方法具有高速率、高精度优势,为大数据安全传输与应用提供技术基础。

云存储中心多源文本主题融合模型研究

为了提高云存储中心多源文本主题信息资源的开发能力和调度能力,提高云存储中心多源文本主题检索效率,提出一种基于关联规则挖掘的云存储中心多源文本主题融合模型。构建云存储中心多源文本主题分布大数据模型,采用相空间重构方法进行大数据的特征分布式重建和融合聚类处理,提取云存储中心多源文本主题信息的关联规则特征量,采用相关性检测技术进行信息集成滤波,结合模糊聚类方法进行云存储中心多源文本主题特征分类处理,根据分类结果实现信息融合。仿真结果表明,采用该方法进行云存储中心多源文本主题信息融合的特征分类性较好,提高了云存储中心进行数据检索的准确率,数据召回性和检索效率等性能指标表现较好。

一种融合邻边属性的个人社交网络社区发现算法

针对传统智能进化社区发现算法通常存在弱化节点属性和容易过早收敛等问题,提出基于邻边属性群智能聚类的个人社交网络社区发现算法NLA/SCD。在融合邻边结构及其节点属性相似特性的基础上,定义社会蜘蛛优化算法的适应度函数,并将社区模块度增量作为算子迭代准则。在雌性和雄性个体的进化与交配过程中,利用适应度函数和模块度增量函数从局部和全局角度优化社区划分的寻优过程,以保持种群多样性并避免算法过早收敛。实验结果表明,NLA/SCD算法能有效识别属性信息多样的个人社交网络,且具有较高的运行速度和划分精度。

高等院校计算机教学改革对应用型人才培养的作用

计算机教学是高等院校当中一门重要的课程,对于培养学生综合能力起到了至关重要的作用。如今,高等院校对于计算机教学的重视程度逐渐加深,大多数高校已经将计算机专业作为学生必修的基础课程之一,随着教学改革的不断推进,计算机教学改革也得到了实现。基于此,有必要研究一下高等院校计算机教学改革对应用型人才培养的作用,以及计算机教学改革促进应用型人才的个性化发展、提供专业技能训练、提供创新综合实践、对应用型人才培养起到的不断深化的作用。

基于联合半监督学习的大数据聚类算法

为了提高对用户行为特征挖掘能力,需要对用户行为特征多维度文本数据进行优化聚类处理,提出一种基于联合半监督学习的大数据聚类算法。采用分段线性拟合方法进行用户行为特征大数据线性规划处理,提取用户行为特征大数据的互信息特征量,结合联合关联规则检测方法进行用户行为特征多维度文本数据的统计分析,构建大数据分布的关联属性样本集,采用联合半监督学习分类器进行数据分类,结合多传感量化跟踪识别方法进行聚类中心自动搜索,提高聚类收敛性。仿真结果表明,采用该方法进行用户行为特征多维度文本数据聚类处理的信息融合性能较好,数据聚类中心的自动搜索能力较强,提高了大数据分类检索能力。

无线传感器网络的原理应用与发展前景

无线传感器网络是一种全新的信息获取和处理技术，它集成了传感器、微机电系统和网络三大技术。从无线传感器的概念出发，在简要介绍传感器网络体系结构的基础上，分析和展望了一些有价值的应用领域及今后该技术的发展前景。

新工科背景下Python课程教学思路探索

新工科背景下,Python程序设计课程教学工作要求学生能够具备设计程序的能力。通过对新工科教育教学工作的建设以及落实课程教学优化改革工作的探究,从构建优质Python程序设计课程体系的项目背景、要求和内容等方面着手,提出课程教学优化改革思路和具体措施,以供参考。

虚拟现实技术在高校发展党员培训教育中的应用

作为信息化时代的产物,虚拟现实技术在各个领域应用中产生了重要作用。但由于该技术在我国起步较晚,所以,目前在教育培训中的应用还处于研究、探索阶段。从高校党建工作出发,将虚拟现实技术应用到高校发展党员培训教育中,可以丰富党建培训内容,深化我党理论内涵,从而更好地激发大学生入党积极性,逐步扩大高校党员队伍。对此,本文通过阐述虚拟现实技术内涵及特点,明确虚拟现实技术应用于教育中的优势,而后分析了当前高校发展党员培训教育中存在的问题,最后提出虚拟现实技术应用于高校党员培训教育中的应用路径。