基于商务智能的黄山景区决策支持系统研究

黄山风景区经过多年的信息化建设,已初步建成了涉及景区多个领域的近30个应用系统。但是,这些系统之间彼此孤立,数据间难以实现共享,并且日益积累的大量历史数据没有得到充分利用。文中将商务智能技术运用到景区的业务经营管理中,通过利用ETL技术,解决各系统间的信息孤岛问题,并建设统一的数据仓库平台;在此基础上,根据景区日常业务经营管理需求,介绍构建基于商务智能技术的景区经营决策支持系统的框架、系统的决策功能以及关键技术分析。

求解多维背包问题的MapReduce蚁群优化算法

应用MapReduce编程模式实现蚁群优化算法的并行化计算,提出基于MapReduce的改进背包问题蚁群算法。通过改进概率计算时机、轮盘赌、交叉、变异等技术,降低蚁群算法的计算复杂度。在云计算环境中应用该算法分布式并行地求解大规模多维背包问题,仿真实验结果表明,该算法能改善蚁群算法搜索时间长的缺陷,增强对大规模问题的处理能力。

基于和声搜索算法的知识即服务动态组合优化

面向服务的云计算环境为制造领域的知识创新提供了新的思路。知识即服务的动态组合是知识创新过程中的关键技术之一。云计算服务资源的虚拟性和动态性为组合的知识即服务的服务质量提出了新的挑战。针对制造领域知识即服务组合的服务质量优化问题,提出一种改进的和声搜索算法(SLHS),SLHS算法利用Skyline方法对和声记忆库进行初始化以提高算法的运行效率,并采用理想点法选择制造知识即服务以确保解的有效性。仿真实验中引入了基本和声搜索算法作比较。实验结果表明SLHS算法在解的质量方面和算法性能方面均明显优于基本和声搜索算法。

基于和声算法异构Hadoop集群资源分配优化

异构Map-Reduce环境中资源分配策略直接影响其响应时间,如何利用有效的策略将计算任务分配到计算资源是亟待解决的问题。利用和声搜索算法对异构Hadoop集群中的计算资源分配问题进行优化。对问题进行建模时考虑了异构计算机集群中各节点的处理能力、带宽和线路质量和源数据位置等因素对计算资源分配的影响,利用和声搜索算法优化资源分配策略,以期在满足用户需求的前提下提高系统的响应时间。并用Gridsim对算法进行仿真实验,实验结果表明利用和声搜索算法可以达到减少系统响应时间的目的。

大数据：数据驱动的过程质量控制与改进新视角

为了在制造业大数据环境下获得一种全局、动态、发展的新思维方式来研究解决生产运营管理中的各种问题,针对数据驱动的过程质量控制与改进,总结国内外研究现状,分析存在的问题和不足;将数据生命周期理论引入过程质量控制,提出一种基于数据生命周期的质量控制持续演进框架,详细阐述质量数据的收集、存储、更新以及应用于实时质量控制和持续改进的动态过程,并将数据、问题、知识关联起来,对质量数据的治理、重用以及质量知识的积累和传承问题进行了探索。最后指明了进一步的研究方向。

住宅产业化基地产能规模决策模型——马鞍山市住宅产业化基地案例分析

产能规模是住宅产业化基地建设所要考虑的主要方面,本文以运输成本作为主要影响因素,根据经济效益最大化原理,推算基地的市场区域覆盖范围;再通过预测市场年需求量来确定基地的产能规模,为基地的产能规模建设提供有效的决策模型。该模型可推广到类似行业的生产基地产能规模决策中。

一种基于模糊距离和证据理论的多属性群决策方法

针对语言评价信息形式的多属性群决策问题,提出了一种基于模糊距离和D-S证据理论的群决策方法。该方法首先运用基于模糊距离的方法来获得决策者权重,再对多个决策者给出的语言评价信息进行分析,然后通过D-S合成法则对其值进行合成。计算信度函数和似真函数,据此对所有决策方案进行排序。最后通过一个算例验证该方法的可行性和有效性。

基于MapReduce的蚁群算法

云计算环境下应用蚁群算法分布式并行对问题进行求解的研究较少,且蚁群算法存在搜索时间长和易收敛于非最优解的缺陷,当问题的规模较大时求解困难。为此应用云计算技术将蚁群算法并行化,提出基于MapReduce的蚁群算法。该算法将分治思想和模拟退火算法融入蚁群算法,改进其缺陷,并应用于求解较大规模的旅行商问题。仿真实验取得了较好的效果,且获得了测试实例gr666的新解。

基于MapReduce和多目标蚁群算法的制造云服务动态选择算法

基于云计算技术和云服务技术研究了云服务的动态选择问题,给出了云制造服务层次化模型,提出了一种基于MapReduce和多目标蚁群算法的制造云服务动态选择算法(CSSMA)。依据CSSMA设计了多目标蚁群算法、Map函数、Reduce函数和优化策略等,并将其分布式并行运行于制造云平台中。仿真实验结果表明:CSSMA具备良好的处理大规模问题的能力,适用于制造云服务动态选择问题的求解。

基于LDA-wSVM模型的文本分类研究

SVM分类算法处理高维数据具有较大优势,但其未考虑语义的相似性度量问题,而LDA主题模型可以解决传统的文本分类中相似性度量和主题单一性问题。为了充分结合SVM和LDA算法的优势并提高分类精确度,提出了一种新的LDA-w SVM高效分类算法模型。利用LDA主题模型进行建模和特征选择,确定主题数和隐主题—文本矩阵;在经典权重计算方法上作改进,考虑各特征项与类别的关联度,设计了一种新的权重计算方法;在特征词空间上使用这种基于权重计算的w SVM分类器进行分类。实验基于R软件平台对搜狗实验室的新闻文本集进行分类,得到了宏平均值为0.943的高精确度分类结果。实验结果表明,提出的LDA-w SVM模型在文本自动分类中具有很好的优越性能。

云和声搜索算法及其在知识服务组合中的应用

云计算环境下的知识服务是知识与服务的融合,为知识管理、知识创新提供了新的发展方向。针对基于服务质量(QoS)的知识服务组合优化问题,在云计算平台下实现和声搜索算法的并行化,提出了云和声搜索算法。将Skyline方法和理想点法融入到云和声搜索算法中,对云和声搜索算法进行改进,提高了算法的运行效率,确保了解的有效性。实验结果表明,改进云和声搜索算法在求解知识服务组合优化问题上取得了较好的结果,在解的质量以及算法的性能方面均有较好的表现。

基于技术接受模型和感知流行性的SNS使用意愿研究

基于技术接受模型(TAM)和感知流行性,构建了SNS使用意愿模型。实证分析结果表明,用户对SNS的感知流行性正向影响感知有用性、感知易用性和态度;感知易用性正向影响感知有用性和态度;感知有用性和态度正向影响SNS使用意愿。

基于云计算的数字图书馆公共服务平台架构

数字图书馆公共服务平台为数字化全民阅读提供了一个有效的途径,为广大用户提供大量数字版资源的在线阅读、下载和分享等.随着数字化信息资源的爆炸式增长,如何有效的解决海量数字图书馆信息资源的存储和处理,并能将不同区域和类型的数字图书馆资源集成起来成为研究的热点.依据安徽教育出版社的数字图书馆公共服务的全民阅读平台,研究云计算下数字图书馆的平台架构,利用云计算的分布式存储和并行计算的特点,为出版社的数字图书馆建设提供可行性研究方案.

带不可用时间段和恶化加工时间的单机调度

对机器带有一个不可用时间段并且加工时间恶化的不可续型单机最大完工时间调度问题进行了研究,简单说明了此问题的NP-困难性,提出了一种动态规划算法以得到最优解,并给出了最短正常加工时间优先规则的最坏情况误差界限,最后提出了一种启发式算法来寻求近似解.实验结果表明该启发式算法无论从时间上还是解的质量上都是非常优异的,与动态规划给出的最优解相比,其平均相对误差仅为0.082%,最大误差也仅为3.448%,并且将近有一半的算例能得到最优解.

基于机标关键词的学科语义知识网络构建研究

本文对学科语义知识网络的发展历程进行了详细回顾,从最初的雏形概念网络到目前的基于语义层面的大型数据仓库的构建,再到叙词表或者本体网络的构建。这些都与时代背景下的大数据与可视化技术离不开关系,目前卓有成效的叙词表是医学领域和化学领域的机标词库和叙词表。论文还介绍了学科语义知识网络的基础理论、诞生背景和构建方法,学科语义知识网络的诞生和发展与科学知识网络整序、大数据技术的诞生、可视化手段的成熟有着千丝万缕的联系。本文选择医学信息学进行语义网络的实证研究并展示了其语义网络演化过程。

面向数据流的多粒度时变分形维数计算

在大数据时代,数据流是一种常见的数据模型,具有有序、海量、时变等特点.分形是许多复杂系统的重要特征,分形维数是度量系统分形特征的重要指标量.数据流作为动态的复杂系统,其上的分形维数应具有动态、时变、多粒度等特性.提出了多粒度时变分形维数的概念,并设计了基于小波变换技术的数据流多粒度时变分形维数算法.该算法通过对数据流进行离散小波变换,并利用多粒度小波变换树结构在内存中保存数据流的概要信息,可以同时在不同的时间粒度上实时地计算数据流时变分形维数.该方法具有较低的计算复杂度,实验结果表明:该方法可以有效地监控数据流分形维数在不同粒度上的时变特征,深刻地揭示数据流的演化规律.

基于LDA模型和AP聚类的主题演化分析

随着互联网的高速发展,网络信息呈现爆炸性增长态势,主题演化分析能够帮助人们从海量的互联网数据中获取更有价值的信息。分析主题的演化发展轨迹有利于人们了解主题事件发生的前因后果,并对主题事件发展趋势进行更好地预测,进而辅助管控。针对单个主题演化分析方法中阈值设定和主题漂移的问题,提出一种LDA-AP主题演化模型。该方法利用LDA模型对不同时间窗口内的新闻文本分别进行建模,得到相应的主题。利用AP聚类算法对不同时间窗口内的多个主题进行聚类,其中计算主题相似度采用加入时间衰减因子的JS散度来度量。最后对多个主题内容进行演化分析。通过相关的实验分析和对比,结果表明该方法可以改善主题演化的性能,并能较好地分析多个新闻主题事件随时间的演化趋势。

基于竞争与协同效应的复杂制造任务一对多双边匹配模型

为了增强智慧云平台上匹配方案的稳定性、降低云任务匹配问题的复杂性,通过构建任务竞争关联网络和服务协同网络,提出基于竞争与协同效应的一对多双边匹配问题。运用期望效用理论计算双方满意度,提出基于竞争关联的任务间满意度和基于社会网络的服务间满意度聚合方法。以最大化任务满意度、服务满意度、任务间满意度和服务间满意度为目标,构建任务双向匹配多目标优化模型,运用改进非支配粒子群算法和加权TOPSIS求解得到最佳方案。通过汽车智慧制造实验验证了模型和算法的有效性,并与传统双向匹配、只考虑任务竞争、只考虑服务协同的3类匹配模型进行比较,分析不同应用场景下模型所获最优方案的差异,证明了所提模型在竞争与协同环境下的优势,获得了贴近真实情景的最优满意稳定匹配。

带不可用时间段的单机调度问题的启发式算法

研究了机器带有一个不可用时间段的部分可续型单机最大完工时间调度问题,提出了一种启发式算法,证明了其相对误差界,并举例说明该界是紧的,而且据此推出了该算法对相应不可续问题的相对误差界,此界低于该问题现有算法的界.将此算法与其它算法进行了多方面的比较,包括利用随机数据进行实验以评估其相对误差,结果表明此算法是一种非常高效的启发式算法.

基于情境的知识推送技术研究

基于情境的知识推送技术是解决当前集团企业在知识管理中的知识有效利用的最直接手段,情境与知识的有效结合使知识推送过程更加智能化,提高了知识服务推送的准确性。本研究采用本体描述语言(Ontology Web Language,OWL),完成了领域知识与情境知识本体模型的建立、情境-知识关系模型建立以及情境相似度算法设计。构建出仿真过程知识领域本体模型,运用protégé建模工具进行本体实现。最后在跨学科制造领域知识管理工具中进行知识推送的初步应用及验证。