大型循环流化床锅炉掺烧焦炉煤气的研究

本文以300MW循环流化床锅炉煤气掺烧项目为研究对象,在分析掺烧焦炉煤气意义的基础上,就煤气掺烧方案的确定与节能效果进行了分析评价。以期对国内国类同机组进行煤气掺烧提供参考。     

基于手持设备能力的页面拆分算法

随着移动计算的发展,通过手持设备存取Web将越来越普遍。手持设备的限制和多样性要求同一Web页面具有不同的表现形式,因此需要对Web页面进行选择、拆分等自适应操作以满足手持设备能力的限制。为了提高自适应页面的质量,提出一个两阶段页面拆分算法。该算法在保证自适应页面正确性的基础上,提出量化评估函数以保证每个小页面的语义连贯性和最优的资源利用率,从而增加页面的可用性。该算法已应用于多个样本页面,结果表明拆分结果具有较好的可用性。     

用于稀疏数据集的协作过滤算法

稀疏性问题是协作过滤算法应用中的一个突出问题,当系统中用户对资源的评分数据集很稀疏的条件下,算法的精度和覆盖率会显著降低。针对这一问题,该文通过分析影响基于资源的协作过滤算法中的相似性计算的因素,提出采用"资源关系密度"作为描述协作过滤评分矩阵的一个特征指标,分析并总结了"资源关系密度"对典型的基于资源的协作过滤算法的影响,进而提出一种虚拟用户填充算法。实验结果表明,虚拟用户填充法能够有效改善典型的基于资源的协作过滤算法在稀疏数据集上的精度和覆盖率。     

基于CORBA的Web计算体系结构的研究

现有的 Web计算体系结构在性能和功能上无法满足未来 Web上企业计算的要求。论文通过分析 Web计算领域内 CORBA (comm on object request broker architecture)体系结构的优势和不足 ,以及 Java计算体系结构的优缺点 ,研究并提出满足 Web计算要求的基于 CORBA和 JavaServlet的 Web计算体系结构。采用这种新的体系结构设计并初步实现了一个原型系统。该系统是一个个人化信息查询服务系统 ,主要提供网络浏览的导航服务。与原有系统比较 ,具有良好的可移植性、互操作性和可复用性 ,并且大大提高了前端的响应处理能力 ,表明新型的体系结构能够很好地解决现有体系结构存在的一些缺陷 ,具有理论上的先进性和现实中的可行性     

Web服务语义标注方法

为了对W eb服务语义信息进行描述,提出了一种W eb服务语义标注方法。以现有的W eb服务描述语言(W SDL)文件为基础,充分利用W SDL中XM L schem a的语义信息与本体实体的相似性,从W SDL文件中抽取语义信息,并利用实体之间的名称相似度与结构相似度进行语义标注,生成基于OW L-S的W eb服务语义描述。用该方法对多个领域的W eb服务进行了语义标注,标注正确率在92.5%以上,较好地解决了W eb服务的语义标注问题。     

基于优化层次聚类的文档逻辑结构抽取

半结构化文档的逻辑结构自动发现可以改善文档的浏览方式,提高文档内容构件的复用性,有效克服了半结构化文档难于利用的弱点。该文将文档处理对象扩展到结构松散的文档实例,提出了基于优化层次聚类的文档逻辑结构抽取算法——CEDLS。算法首先对文档逻辑结构标志性信息进行识别与特征提取,并根据逻辑结构抽取的特点对传统的层次聚类分析方法进行改进,使获得的分类结果适用于CEDLS算法的逻辑层次归纳策略。最终以上海证券所的年报为测试集进行实验,通过与传统的方法进行比较,证明了这种算法在容错性能和正确率方面的优越性。     

分布式知识库系统DKBS/TH—1中推理与查询接口的设计与优化

本文介绍了一个分布式知识库系统DKBS/TH—1的结构模型。它以PROLOG作为推理工具,Unify关系数据库系统作为存放知识的机构,二者之间通过一阶谓词逻辑的子集Horn子句进行联系.分布式系统中各结点之间的通讯联系也由Horn子句来实现,本文还讨论了PROLOG与关系数据库的结合方法及查询优化的技术.     

基于不同数据集的协作过滤算法评测

现有协作过滤算法评测中普遍采用单一数据集,而忽略算法可能受不同数据集特征影响的情况。针对这一问题,该文将传统的User-based(近邻数为20)、Item-based、Item average、Item user average和Slope One 5种算法应用于MovieLens和Book-Crossing两种数据分布特征不同的数据集,通过试验得到其评测精度。结果显示,在Movielens这种评分值相对比较稠密的数据集上,Slope One算法的预测精度最好;而在评分值相对比较稀疏的Book-Crossing数据集上,Item-based算法的预测精度最好,Slope One的预测精度最差。应根据用户和资源分布具体情况选择合适的算法。     

基于Bayesian决策的本体缓存

为了解决在语义W eb信息处理中本体的频繁存取造成的性能问题,提出基于B ayes ian决策理论的本体缓存模型。该模型有效利用本体的语义性和本体的存取日志来抽取特征向量(包括语义特征、存取特征和类型特征),通过B ayes ian决策理论指导在本地缓存频繁使用的本体,并通过机器学习优化缓存模型,提高本体概念和实例缓存命中率。本体的有效缓存减少了本体网络访问的开销,实验表明,采用该本体缓存模型后,原型系统的本体访问速度在G auss分布的本体访问概率下提高了25%左右。