基于改进C均值的故障诊断

本文提出改进的C均值算法.改进算法引入数据场模型,通过故障点在数据场中的势值找出噪声点并踢出,利用故障点在数据场中呈现的自然聚集特性选择初始聚类中心指导FCM聚类.仿真实验的结果表明,改进算法弥补了FCM算法的缺陷,提高了聚类的效率和准确性,在故障诊断过程中有很好的表现.     

基于DAS模式的电子商务系统模型设计与研究

用xml半结构化数据文件系统代替普通B/S模式的传统数据库,设计了DAS（Data As a Service）模式下的电子商务模型,主要包括客户端数据加密、服务器密钥管理和数据服务提供商对xml加密数据的查询处理等.结合xml索引技术与基于层次的Dewey编码搜索方法实现用户订单xml加密数据的查询处理.该方案在保证系统的安全性、稳定性前提下,大大减小了系统的维护成本,提高了系统的性能和运行效率,有利于促进企业的效益.     

基于邻居数量的自适应三维地理路由策略

在无线传感器网络中,由于传感节点自身携带的能量有限,以及部署规模大和所处应用环境的复杂性,致使节点一旦部署就难以补充能量或更换电池。因此,诸多节能传输策略的研究一直是该网络面临的重要挑战之一。本文结合无线网络能耗模型和邻居节点数量,提出了一种自适应的三维地理路由机制。     

基于社区划分与连边逆序放回的网络分解算法

网络分解是通过删除网络中最少规模的节点或者连边,将网络破坏至最大连通分支的规模不超过设定阈值.传统基于节点删除的网络分解算法忽略了删除代价.实际上,节点的删除导致相应连边的删除,代价是不同的.传统基于连边删除的网络分解算法虽然考虑删除代价,但是,无论是迭代计算连边中心性值,还是迭代划分最大连通分量,其性能和效率都亟待改...     

基于学生-问题关联的异构图知识追踪模型

知识追踪旨在评估学习者的学习状态,并根据先前的答题情况预测他们未来的答题表现.然而现有的知识追踪模型大多仅关注问题或技能间的关联,忽略了学生与问题间的结构关系.为此我们提出了基于学生-问题关联的异构图知识追踪模型（Student-Problem association based heterogeneous graph Knowledge Tracing model,SPKT）.该模型在知识追踪中融合了学生的学习能力和问题的重要性,并使用图注意力网络学习学生问题间的关联,获得学生、问题的嵌入表示并进行知识状态的预测.通过在真实公开数据集上的性能对比和模型消融实验,并可视化SPKT模型的知识追踪效果,证明了SPKT在预测性能上优于现有的知识追踪模型.     

基于支持向量机的Web文本分类方法

Web文本分类技术是数据挖掘中一个研究热点领域，而支持向量机又是一种高效的分类识别方法，在解决高维模式识别问题中表现出许多特有的优势。文章通过分析Web文本的特点，研究了向量空间模型（VSM）的分类方法和核函数的选取，在此基础上结合决策树方法提出了一种基于决策树支持向量机的Web文本分类模型。并给出具体的算法。通过实验测试表明，该方法训练数据规模大大减少，训练效率较高，同时具有较好的精确率（90．11％）和召回率（89．38％）。     

异构环境下语义Web服务发现算法研究

随着网络上越来越多种类各异的Web服务,如何对其进行有效发现是实现动态Web服务组合的关键.本文研究了异构环境下服务发现语义信息的匹配问题,利用领域本体解决了异构数据的综合利用与共享,并通过实验表明了本文提出方法的有效性.