《强激光与粒子束》微信平台

为满足作者信息检索的需求,《强激光与粒子束》推出了微信公众平台。欢迎关注、使用。关注方式:(1)扫描右边“强激光与粒子束”二维码。(2)点击“通讯录”-“添加”-“公众号”,搜索框中输入“qjgylzs”,关注该公众号即可。     

网页排序中的随机模型及算法

随着互联网规模的日益增长, 搜索引擎已经成为互联网上有效的信息获取工具. 而在众多搜索引擎的背后, 是信息检索技术, 也即网页排序算法在起作用. 网页排序包括重要性排序和相关性排序. 通过我们研究发现, 尽管这两类排序所依据的准则不同, 但是都可以通过建立适当的随机过程模型来研究. 对于网页重要性排序, 我们通过分析用户浏览网页的行为建立了Markov 骨架过程的框架. 基于该框架我们分析了三种不同的随机过程模型对用户行为模拟的合理程度, 并设计了名为BrowseRank 的一组新算法, 该算法可以根据用户上网行为来计算网页的重要性. 在网页相关性排序中, 我们主要针对排序结果联合问题建立了一个基于Markov 链的监督学习框架. 通过将传统方法的监督化, 使原来难于解决的问题变的易于学习, 将原来的NP- 难问题转化为一个半正定规划问题, 提高了效率.     

LSI潜在语义信息检索模型

本文介绍了基于向量空间的信息检索方法 ,检索词和文件之间的关系表示成一个矩阵 ,查寻信息表示为检索词权重的向量 ,通过求查寻和文件向量的夹角余弦确定出数据库中的相关文件 .使用矩阵的 QR分解和奇异值分解 ( SVD)来处理数据库本身的不确定性 ,本文的目的是说明线性代数中的基本概念可以很好解决信息检索 ( IR)问题     

一种统一的文本与图像分类算法

基于可变精度粗糙集提出了一种统一的文本与图像分类算法．用该方法进行教育资源的分类既可处理不确定性信息，又简化了分类规则，从而有利于提高分类能力和检索的查准率．     

研究式有机化学实验教学与信息检索教学整合尝试

研究式实验教学与信息素质教育融合,把信息检索与专业课程捆绑在一起进行教学,为学生创设类似于科学研究的情景,让学生学会收集信息、并能分析、利用,使学生能够主动探索、发现和体验科研兴趣,从而增强学生的思考能力和创造能力,达到素质教育的目的。     

基于翻转课堂与合作学习的文献管理软件应用教学设计

翻转课堂与合作学习的教学模式对于培养学生的主动学习及创造能力具有促进作用。对信息检索课和现代大学生的特点进行分析,再结合高校化学信息检索课的实际情况,以NoteFirst文献管理软件应用知识内容的教学为例,在课堂教学中引入"翻转课堂"教学模式,并运用小组合作学习进行教学模型的设计与教学过程的设计,培养大学生文献信息管理及利用能力。     

Internet上的离子交换树脂信息检索

本文主要介绍了在Ｉｎｔｅｒｅｔ网上检索和查询有关离子交换树脂技术和产品等信息的方法和技巧。并提供了一些实用的ＵＲＬ地址。     

一种语言文档自动检索方法

提出了一种基于潜在语义索引的多语言文档自动检索方法,讨论了多语言环境下概念空间的构造,文档,词语相似度的计算及文档的查询。     

图书管理系统的分析与设计

本文采用“结构化分析与设计技术”给出了对图书管理系统LMS进行分析与设计的方法,并在此基础上描述了该系统的软件结构。最后,本文根据ER方法给出了LMS系统的数据库模型。     

秩约束子集选择问题的分而治之解法

We consider the rank-constrained subset selection problem(RCSS):Given a matrix A and integer p≤rank(A),fing the largest submatrix A0 consisting of some colmns of A with rank(A0)=p.The RCSS problem is generally NP-hard.This paper focuses on a divide-and -conquer(DC)algorithm for solving the RCSS problem:Partition the matrix A into several small column blocks:A∏=[A1,…,Ak] with a certain column permutation ∏and decompose p to p1 p2 …pk such that solutions of the RCSS problems for smaller couples form a solution of the original RCSS problem.We show that the optimal solution of the RCSS problem can be found by DC algorithm for eachP≤rank (A),if and only if A is column-partitionable,i.e.,rank(A)=∑i=1^k rank(Ai),Based upon QR decomposition,a fast algorithm for determining the column partition is offered. Our divide-and-conquer algorithm is also quite efficient even A is approximately column-partitionable.