启发式并行化单触发序列挖掘算法

为解决因缺少挖掘所需案例属性的支持而无法使用成熟挖掘算法对单触发序列进行挖掘的问题,从模型层和实例层双视角进行研究,从模型角度证明轨迹中存在循环以保证挖掘基础的正确性,提出构建并发块集来解决并发活动对案例划分引起混淆的问题;从轨迹角度对启发式方法进行改进以适应案例划分,提出启发式的并发关系度量方法以降低噪声对并发关系挖掘的影响,通过构建含有并发关系的依赖关系表对案例进行划分。综合提出一个针对活动集并行化地进行案例划分,并根据其拟合度择优选择最佳案例的方法框架。通过大量基于真实数据集的实验展示了该方法针对单触发序列挖掘的有效性和正确性。

基于特征组合的软件需求建模

需求建模在需求工程中起着重要的作用。为了提高软件需求建模的效率和质量,提出一种基于特征组合的软件需求建模方法。首先,将特征分为功能性特征和非功能性特征;其次,形式化定义功能性特征的各个部件,包括原子功能性特征和复合功能性特征;第三,把功能性特征之间的特征组合抽象为特征运算,并提出了23条特征运算的公理;第四,形式化定义非功能性特征并通过其作用域把功能性特征和非功能性特征统一为软件需求模型;最后,给出了基于特征组合的软件需求建模过程。

基于AHP的大数据可用性及挖掘方案模型研究

大数据本身规模庞大、类型复杂的特点,使其价值在庞大数据的包裹下充满了不确定性。面对大数据,如若无法对其可用性进行分析,并加以有效的数据处理方法,其应用价值也就无法体现。目前,对于大数据的可用性分析虽然已经提出了不少方法,但是对其可用性的评估方案却较少,尤其是定量的研究分析。对此,需要梳理大数据的可用性影响因素,并结合数学方法,建立大数据可用性及挖掘方案的研究模型。在该模型的基础上,以提高数据的可用性为目标,围绕影响大数据可用性的因素,针对不同的数据挖掘方案进行了定量的比较分析,探讨提高大数据可用性的可行方案。

云计算应用现状的研究

随着云计算的发展,网络资源配置、部署、开发及其维护方式发生了巨大的变化。云计算作为新一代服务计算模式,对IT及相关产业将产生深远影响,面对日益广泛成熟的云计算技术,就云计算的概念、现状、适用场景及优势进行介绍,为用户了解、选择云计算提供参考和依据。

基于MPI的并行K-Means算法研究

聚类分析中处理数据量的急剧增加,面对大规模数据,传统K-Means聚类算法面临着巨大挑战。K-means聚类算法在面对海量数据时,时间和空间的复杂性已成为K—means聚类算法的瓶颈;在传统的K均值算法的基础上,详细介绍了基于大规模集群环境下的并行K-means聚类算法,给出了计算速度和效率的方法,并通过实验证明了该算法的正确性以及对传统算法在速度的上优势;研究结果可以为以后设计更好的大规模数据快速并行聚类划分算法提供研究依据。

基于信息熵的政府绩效评估方法的研究

随着信息科学的快速发展,如今云计算与大数据环境下,各国政府对公共事务管理的方式也在随着时代的变化而进行不断的调整,而其管理的质量、效率等问题也面临巨大的挑战,因此政府绩效评估成为各个国家关注的一个重要的研究课题;在大数据理论的基础上,提出了政府绩效评估指标体系设计的原则和思路,并设计了一种基于信息熵和信息增益的政府绩效评估的方法,丰富了公务事务管理绩效评估的理论。

云计算安全问题的研究

云计算是一种新型的计算模型,集虚拟技术、分布式计算、并行计算和其他技术于一体,旨在实现云服务的虚拟化和大规模的经济效应;然而,随云计算的快速发展和推广,其安全问题给云服务提供商和使用者带来了极大的挑战,特别是共享计算和共享存储引发的在可信和隐私问题,为此提出一种全面的安全计算参考模型,用以应对层出不穷的云计算安全问题和风险。

一元线性回归在化学品评分排序模式中的应用——以石油开采场地土壤污染物优先排序为例

通过查阅数据库中可获取的生物毒性数据,与石油开采场地土壤中91种石油类污染物在多个生物类别下急性毒性、亚慢性/慢性毒性与各物质辛醇-水分配系数的一元回归方程,进而得到从数据库中暂不可获取的毒性数据。将补充后的毒性数据用于化学品评分排序模式中,弥补了由于数据缺失所导致的评分筛选结果中不确定得分对物质实际理化性质得分掩盖影响。

人口经济的投入-产出关系的分析

人口与经济的投入-产出关系,蕴藏着人口与经济发展过程中的变化规律和本质。随着人类社会的不断进步,人口资源的数量和质量都在发生着明显的变化,这也直接影响着社会经济的变化。劳动力、教育、固定资金的投入情况是直接影响经济产出的重要因素,围绕三者与经济之间的投入产出关系展开分析,能够揭示人口与经济的发展规律,明确人口对经济的影响程度和范围,对于人口经济政策的调整和完善具有重要的指导意义。