基于2阶段集成的多层网络社区发现算法

社区发现旨在挖掘复杂网络蕴含的社区结构,是复杂网络分析的重要任务之一.然而,现有的社区发现方法大多针对单层网络数据,对现实世界中广泛存在的多层网络数据的研究较少.针对多层网络的社区发现问题,提出了一个基于2阶段集成的社区发现算法,以提高社区发现结果的准确性和可解释性.首先,在各层分别得到基社区划分;其次以各层社区划分结构信息为主并结合其他各层网络得到的基社区划分中最优的社区划分信息进行局部集成;再次,基于信息熵对各层局部社区划分中各个社区的稳定性进行度量,并通过其他层社区划分结果来对各个局部社区划分的准确性进行评价;最后,基于各个社区以及社区划分的重要性进行全局加权集成得到最终的社区划分结果.在人造多层网络和真实多层网络数据上与已有的多层网络社区发现算法进行了比较分析.实验结果表明,提出的算法在多层模块度、标准化互信息等评价指标上优于已有算法.

基于J2EE的统一资源描述、发现和集成(UDDI)系统

基于UDDI2.0规范和J2EE架构，设计实现了UDDI统一资源描述、发现和集成系统。 介绍了该系统的总体架构、关键技术及其实现，总结了系统的主要特点。

面向Web数据集成的真值发现算法

在Web数据集成中,常出现多个数据源对同一实体对象的描述存在冲突.解决冲突,发现真值有助于提高数据集成质量或构建高质量的知识库等.已有的解决单真值数据冲突的方法存在数据源评价指标不充分,无法区分数据源的数据缺失和假真,以及无法处理数据源间传递复制、共同复制等高阶复制的局限性.因此,本文采用召回率和假真率度量数据源质量,提出能处理数据源间复杂数据复制的真值发现算法.三个真实数据集和人工数据集上的实验结果表明,本文算法能有效降低错误数据复制带来的真值计算偏差,提高真值发现的准确率.

基于OWL-S/UDDI的Web服务发现机制

提出了一种基于OWL-S/UDDI的Web服务发现机制,实现了基于语义的Web服务发现。此外,它采用了一种高效的匹配机制,使得查询语义Web服务的效率得到提高。该机制使用自行开发的OWL/UDDI服务发现系统进行了实现和验证。

基于AM_UDDI的敏捷制造资源集成

为了解决敏捷制造环境下的制造资源集成问题,提出一种面向敏捷制造环境下的制造资源集成的新方案AM_UDDI。AM_UDDI兼容标准的UDDI(统一描述、发现和集成),并扩展了UDDI的数据结构和API,同时针对系统可靠性和安全性采取了强化措施。制造资源经过Web服务封装后,通过AM_UDDI提供的服务,可以实现跨Internet及异构系统的快速发布、发现和绑定。与已有的制造资源集成方案相比,基于AM_UDDI的方案,不仅解决了敏捷制造环境下的资源集成问题,同时还避免了大量的数据冗余,增强了资源信息的安全性;通过制造资源信息的XML规范化描述以及第三方分类法提高了资源搜索效率。

基于因果发现的神经网络集成方法

现有的神经网络集成方法主要通过扰动训练数据来产生精确且差异度较大的个体网络,从而获得较强的泛化能力.利用因果发现技术,在取样结果中找出类别属性的祖先属性,然后使用仅包含这些属性的数据生成个体网络,从而有效地将扰动训练数据与扰动输入属性结合起来,以产生精确度高且差异度大的个体.实验结果表明,该方法的泛化能力与当前一些流行的集成方法相当或更好.

面向发现服务的图书馆元数据集成管理系统构建研究

元数据集成管理系统是图书馆发现系统的重要组成之一。为构建该系统,本文对面向发现的元数据集成管理研究现状进行调研与总结。针对发现服务面临的主要数据问题,提出在元数据集成管理过程中,采用基于异构数据同构化、元数据统一规范、查重归并与语义冲突处理方法的解决方案。在此基础上,对系统构建需求进行分析并给出系统信息架构、集成管理流程、系统功能的设计。基于相关设计,提出一种基于领域驱动设计的系统实现方法。

企业信息集成中基于混合模式匹配策略的语义发现技术研究

发现数据之间的语义相关性是实现企业信息集成的前提。为克服单一匹配算法难于适应复杂应用环境,提高语义发现的自动化程度,文章提出一种基于混合模式匹配策略的企业信息语义相关性发现方法。在该方法中,定义关系模式作为企业数据源的统一描述和输入,首先通过复合名称匹配过程,计算特征元素名称之间的相似度,然后将匹配结果输入基于神经网络的特征综合信息分类器,实现特征元素的聚类。

Web Services发现和集成句法匹配算法研究

面向服务的应用,促进了WebServices的发现和集成服务技术研究。如何有效地对大量异构、跨平台的不同WebServices服务应用,实现发现(Discovery)和集成(Composition)技术,将是一个关键的问题。文章首先提出了面向WebServices服务的集合组成元素,进而分析了基于句法的WebServices服务发现和集成算法,通过发现路由和合成路由事例的应用研究,探讨了的基于句法匹配算法的WebServices发现和集成技术的可行性。

发现和优化新材料的集成组合方法

简要介绍了发现和优化新材料的集成组合方法的产生背景、基本思想、发展现状和重要意义，并就国内开展此方法的研究提出了建议。

面向计算机专业的软件开发技术课程集成发现教学法探索

在调研和分析国内外高等院校计算机和软件工程相关专业课程体系及其存在问题的基础上,面向信息技术高端人才需求和新旧体系调整的要求,基于软件开发中的抽象思维(对象思维、模式思维和架构思维),提出了以运用能力为主要目标的集成发现教学法和教学模式。并且,进一步探讨建立以软件开发方法及其综合实践为核心的应用软件课程教学体系,重组基础课程、核心课程和相关平台应用课程关系,使这些课程内容联系更加紧密,衔接更加顺畅,有利于学生运用能力和创新能力的培养。

基于语义P2P的UDDI组合服务发现模型

随着Web服务数目的增长和对实时性需求的增加,单一集中式的UDDI服务注册中心难以满足实际需求,而基于某个领域的UDDI虽然查找迅速却难以满足所有用户的要求,于是如何组织一个逻辑上完整的服务注册中为Web服务应用的一个新研究方向。基于P2P的底部架构,将服务注册中心作为P2P网络内基本节点,提出了一个根据本体信息对服务注册节点进行语义分类查找的Web服务发现模型。在模型的基础上,提出了在P2P层支持语义的一种发现的方法。提出的Web服务发现模型既结合了集中式Web服务发现方式和分布式Web服务方式发现的优点,又创新性地在P2P发现方面加入了本体信息。

基于UDDI的语义Web服务发现研究

目前基于UDDI的Web服务发现机制仅提供了简单的基于关键字的搜索方法,缺乏对语义推理的支持。因此给出了一种基于UDDI的语义Web服务发现的架构,通过把Web服务的语义描述发布到UDDI注册中心,并扩展查询API的规范,在服务查找中加入语义推理,从而增强了UDDI的语义Web服务发现的能力。

仅有搜索与浏览是不够的——兼谈OPAC、集成搜索系统、发现系统的未来

文章回顾OPAC系统、集成搜索系统、资源发现系统的发展历史和应用现状,以浏览与搜索为切入点比较3个系统的异同之处,强调仅有搜索和浏览是不够的,探索才是信息获取的突破方向。最后预测OPAC系统、集成搜索系统与发现系统的未来发展前景。

面向学术资源集成的真值发现算法

在构建多渠道元数据资源建设体系时,往往存在着大量的元数据冲突的问题,即对同一对象的属性存在多种描述,造成了元数据的组织与揭示的困难。本文处理的原则是遵从原文,优先选取原文的值作为唯一的真值,将数据冲突问题视为单真值冲突问题。考虑到数据提供商均需要加工数据,将数据源之间的关系视为相互独立。根据以上,本文提出了一种面向学术资源集成的真值发现算法。该算法基于贝叶斯算法,考虑了有关联关系的属性。实验证明本文方法所构造的真值发现算法在保证准确率的同时,大大节省了人力的工作时间。

对基于知识发现的神经元网络集成方法的研究

该文对应用知识发现技术训练神经元网络集成的方法进行了研究,提出了以并行操作的方式结合归纳学习所获取的知识和演绎学习所获取的知识的神经元网络集成模型KBNNE(Knowledge-basedNeuralNetworkEnsem-bles)。实验表明,通过调节所获取知识的权重因子,新模型可以有效提高网络集成的性能。

知识集成与基于非相关文献的知识发现法

讨论了目前作为研究热点的知识管理体系中知识集成的定义与知识集成模式,对基于非相关文献的知识发现方法的原理及进展加以探究,研究了知识集成与基于非相关文献的知识发现法两者之间的共性与联系,指出基于非相关文献的知识发现法可纳入知识集成的方法体系,在隐性知识与显性知识集成、知识与人集成、知识与实践集成等方面提供可操作的具体而可行的途径,从而实现知识创新的目的。

基于UDDI的电子商务应用集成框架

文章着重讨论了企业内部的应用程序集成,扩充了UDDI规范 ,使之适用于企业内部的应用程序和应用程序内部组件的描述、发现和集成 ,并提出了一种新型的电子商务集成框架。

网格服务发现集成服务及信息的管理和维护

描述科学数据网格服务发现集成服务的设计和初步实现。设计了网格服务信息分发协议。通过这些机制实现缓存网格服务信息的可靠性和一致性。

基于聚类集成的微博话题发现方法

微博中短文本、用语不规范和大量噪音等特性使得传统话题发现方法不能很好地从中获取新话题。针对微博以上特性和话题动态性提出一种基于聚类集成的微博话题发现方法,该方法考虑微博发布的非线性时间因子,采用改进的K-Means方法分别融合微博的各个特性构造其对应的基聚类器,并评估各基聚类器之间的有效性和差异性,以此设置集成投票权值并最终进行聚类集成。实验对比结果表明,该方法将微博发现话题的准确性提升约9.5%,能够更有效地探测到新话题。