序列缺失数据的灰插值推理方法

根据灰色系统理论和序列数据的特性,提出一种灰插值方法.建立前向灰预测和后向灰预测模型,充分利用缺失值时区窗口内的全部信息对其进行推理.分别在单序列时建立递进灰拟合模型,在多维数据集时利用属性相关性,对插值结果进行学习优化.通过与常用插值方法的比较实验表明,该方法具有较好的光滑性和预测效果.

一种基于关键域子空间的离群数据聚类算法

离群数据发现与分析是数据挖掘的重要组成部分,现有离群数据挖掘算法主要针对如何检测离群对象,缺乏对挖掘出的离群数据集进行解释与分析的有效方法.通过对离群数据来源及特性进行分析并结合粗糙集理论,定义了离群划分相似度的概念,提出了一种基于关键属性域子空间的离群数据聚类算法COKAS,该算法不仅揭示了离群数据子空间特性,进一步获取了扩展知识,而且有助于对整体数据集的理解.对两个多维数据集的实验结果表明,该算法具有良好的适应性及有效性.

未来教育空间站设计与运行模式研究

以现代教育理念为指导、以现代网络信息技术为支撑、以实现高校教师教育与中小学教育无缝连接为目标,提出了未来教育空间站概念、构想、设计、实现与运行管理模式,重点探讨了教育云数据存储与管理中心、网真课堂、物联网互动反馈学习共同体等关键系统,以及高等师范院校与中小学教育信息化环境同步建设、运行、管理新方法。研究表明,通过高校和中小学在未来教育空间站中的融合,可实现高等教育与基础教育优质资源的共建共享与应用,促进教育均衡发展和社会公平。

网真课堂体系结构及其教育传播模式研究

网真(Telepresence)即通过网络再现真实情境、传送真实感受、实现真实体验。该文研究网真技术应用于课堂教育的若干关键问题,提出了利用网真技术将远程课堂逼真交互共享于眼前,使本地课堂与远程课堂合二为一,进而提出网真课堂概念及构想,对网真课堂进行定义,探讨网真课堂基本特征,建立主从式和对等式网真课堂两种体系结构,研究网真课堂教育传播过程与模式。网真课堂有效综合了传统课堂与远程教育各自的优势,克服了各自的不足,既能有效保证教育传播效果又能实现教育均衡,既能实现大规模受教育者同时学习,又能提供教师与学生面对面实时交流反馈与调整。

高维数据集离群子空间特性研究

探讨对挖掘出的离群数据集进行解释与分析的有效方法。以粗糙集理论的属性约简技术为基础,定义了属性离群贡献度等概念对高维数据集离群特性进行了量化描述,提出了离群划分与离群约简思想以及离群数据关键属性域子空间分析方法,给出了一种离群约简算法并分析了算法复杂性。实验表明,这种方法可以有效地揭示离群数据产生来源,有助于对整体数据集的更全面理解,且提出的算法对于问题规模具有较好的适应性。

基于遗传算法的α-离群约简搜索算法

离群数据挖掘与分析在网络入侵控制、信用卡检测、通信欺诈分析等诸多领域具有十分重要的意义。结合粗糙集理论的属性约简技术,定义了α-离群约简等概念,提出了一种以属性离群贡献率和离群划分相似水平为基础的基于遗传算法的α-离群约简算法。这种方法通过维数更小的属性子空间去获得相同或相近的离群数据集,使对离群数据来源及出现原因的分析和理解更加集中于较小的目标域。通过对现实数据集的实验表明,该算法可有效地产生出约简并具有较好的规模适应性。

地方院校计算机师范本科专业培养模式探索

根据地方院校实际和中小学信息技术师资能力需求,提出计算机科学与技术师范本科专业"崇德行、厚基础、强技能、懂教育"的培养思路。以实现"零距离就业"为目标,构建相应的专业核心课程,坚持师范技能与专业技能训练4年不断线,打造第一、二、三课堂协调发展的良好氛围,培养具有一定理论知识、较强实践能力和宽广适应水平的高素质中小学信息技术师资。

基于可视化编程环境的软件测试

结合传统软件测试与面向对象软件测试的方法和技术 ,针对现代管理信息系统软件的新特性 ,讨论基于可视化编程环境的软件测试模型 .同时 ,提出了窗口控件交互执行因果图 (ControlInteractionCause_EffectGraph)及其测试覆盖准则 。

一种离群数据集延伸知识发现框架

现有离群数据研究主要集中于离群检测.为了对离群数据的来源、分类、含义、行为特征以及离群趋势等进行全面分析,以现有离群挖掘技术为基础,结合已提出的离群约简与关键域子空间等一系列概念及其搜索算法,定义了离群最近邻、原子离群类及离群变异类等概念,提出了离群簇分析及离群趋势分析方法,建立了一种完整的离群数据集特征描述及延伸知识发现的整体框架.通过对移动通信业务数据的离群分析进行具体讨论,表明了这种离群延伸知识发现框架在实际应用中的有效性.

两层模式的PB应用向三层结构迁移的若干问题研究

C/S和C/S两种体系结构各有优点,采用二者混合的结构能建立高效和实用的基于的企业信息系统。文章结合实例讨论B/SIntranet的应用向这种结构迁移的若干问题,包括选择、子窗口设计优化、及系统安全性等。

离群数据关键域子空间快速搜索技术

离群数据挖掘与分析在通信欺诈检测、疾病诊断和网络入侵检测等多个领域具有十分重要的意义。离群数据关键域子空间可以获得数据离群起源与特征等相应的延伸知识。通过对离群数据对象与其属性值的关系讨论并基于探索性数据分析方法,提出了一种离群数据关键域子空间实时快速搜索算法。实验结果表明提出的算法是有效的,可以满足大多数实时性检测与分析要求。

常规挖掘算法在离群数据检测中的应用

数据挖掘以发现常规模式为主体,但离群数据在欺诈分析及安全领域具有重要分析价值,离群数据检测已成为数据挖掘的重要内容。对聚类与分类以及关联规则分析中典型的常规数据挖掘算法如何处理离群数据进行全面分析与总结,讨论了BIRCH、CURE、Chameleon、DBSCAN以及基于共享最近邻的聚类算法以及基于不平衡分类和基于非频繁模式的离群检测技术,给出了一种利用K-最近邻算法的离群数据检测方法,并报告了测试结果。

基于小波隶属函数的模糊推理规则优化

隶属函数决定着模糊集的特征,建立小波基函数与隶属函数之间的联系,从而利用小波分析探讨模糊推理的实质,以一种非对称Haar小波基与三角型、梯型隶属函数的对应关系为基础,将小波分析、遗传算法与模糊系统结合,利用遗传算法实现小波隶属函数的训练学习,进而实现模糊推理规则的优化。

地方院校计算机类专业人才培养模式探讨

以提高毕业生就业率和就业质量为目的 ,总结形成以“厚基础、宽口径、有特长”

基于统计的离群数据挖掘与分析

在数据空间中不可避免地存在着一些严重偏离整体样本集合的其它观测值,这些离群数据对数据挖掘与分析结果具有重要影响.通过对各种基于统计算法的总结与比较。按一元到多元的探索性离群分析思路.设计了一般分布下的 Grubbs 离群检测法和基于似然的混合模型离群点检测方法,并对多维数据的统计检测技术进行了讨论.结果表明,在离群检测与分析中恰当地利用统计方法在低维数据中的有效性进行探索性数据分析是可行的.

AHP软件系统建模及应用

层次分析法 (AHP)是将模糊问题从定性转化为定量分析的有效工具 ,本文讨论其模型的建立与求解算法 ,并以人才素质评估软件系统 (TMES)的设计与开发为例 。

基于邻接图的离群数据聚类算法

离群数据是数据中的小模式,因其固有的少数据与稀疏性等特征,使得基于距离或基于统计等常规聚类方式不适用于对离群数据的分类。该文根据离群对象关键域子空间的重合度,定义了离群共享属性集与离群相似度等概念,提出β-离群簇分析技术。通过构建离群邻接图并将其稀疏化,将β-离群簇搜索与相应的离群邻接图的最大完全子图搜索一一对应,给出一种基于邻接图的离群数据聚类算法。算例及实验结果表明,该方法具有较高的效率及良好的直观性。

基于界面状态因果图的测试用例生成

在可视化软件测试系统中,测试用例来源于引起对象状态转移的前置条件和触发事件,模拟界面控件状态由消息驱动产生转移变迁的执行特点形成界面状态因果图,提出了基于终态的测试树及其生成算法,讨论了利用这种测试树及相应覆盖准则生成测试用例的方法,最后给出了一个应用实例。

C/S应用程序的几种优化策略及其比较分析

C/S 应用程序分布于客户机和服务器两个逻辑实体,共同协调地完成任务,其固有优良性能的发挥与这种分布是否合理直接相关.本文讨论了组件分布与定位、组件内部处理方式以及组件间通信传输等与系统性能的关系,对几种常用优化策略进行了总结和比较.

基于原型的对象类提取技术

在面向对象分析与设计过程中,类和对象的提取具有探索性。本文结合实例分析从需求说明书中寻找对象类的Wirfs-Brock方法,并将原型法融入到面向对象方法之中,总结出基于原型的对象类提取策略。