Java语言的局限性及其解决对策

<正> 计算机的主要用途将从单机应用转向网络应用,这是一大趋势,不可逆转。网络就是计算机,Java是网络上的世界语。它已成为Internet网络编程语言事实上的标准。它是一种跨平台的、适合于网络计算环境的面向对象程序设计语言。Java语言的基础是C++语言,但去掉了其中易出错的部分。     

不同电信欠费率下信用评分问题

为提高信用评分的公平性和合理性,研究了电信领域不同欠费率下的初始信用评分问题. 在一种电信客户初始信用评分模型的基础上,分别采用遗传算法和蚁群算法,对不同欠费率的客户群体进行数据挖掘,通过评价函数得到最优信用权重分配方案,并对实验结果进行了分析和比较. 最后,对原信用评分模型进行了改进,解决了原模型在高欠费率情况下算法解不理想问题. 实验结果表明,在采用评分模型进行信用评分时,应针对不同的欠费率群体,可选择不同的信用评分算法. 此外,在建立信用评分模型时,需要考虑不同欠费率的情况.     

面向服务组合的偏好本体表示及应用

为使偏好描述适用于动态服务组合,提出一种属性分解的偏好本体表示方法（PODDA）。该方法增加了偏好的语义描述并把用户对服务的偏好分解为多个子偏好集合或属性偏好集合,对应本体的建立可从领域本体的概念层次关系中提取服务的子偏好集合,从概念间的关联度提取服务的属性偏好集合,从而代入充分利用领域本体中已存在的资源,且能更深入地表示出用户在多重约束下的偏好,使建立的偏好本体更合理和完整。最后的仿真系统测试结果显示,引入基于PODDA定义的偏好本体后组合服务的满意度显著提高。     

钢丝绳长度计量机的设计

钢丝绳长度计量机由4套相同的装置组成，可同时对4个线轴钢丝绳进行计量。首先，钢丝绳进入上下限位辊和左右限位辊，初步定位；下托辊和上压辊在高度方向上借助于下托辊托起和上压辊压合精确步定位：然后，小压辊和计量辊联合使用，钢丝绳在通过计量辊时进行计量，导出后，通过另一组下托辊和上托辊，最后进入卷取支架上的套卷取装置。     

基于语义Web技术的上下文感知的智能移动服务

语义Web技术应用于上下文感知的智能移动服务，通过构建上下文信息本体，使得移动服务的实体之间可以进行上下文信息共享和语义互操作，并进行上下文信息推理，实现智能服务。本文首先介绍了语义Web及本体技术，其次阐述了语义Web技术应用于上下文感知的移动服务，然后详细分析了智能移动服务中的上下文信息本体构建，包括通用的上下文信息本体、用户概况本体、情境本体以及服务本体等，接着介绍了相关的研究项目，最后进行展望和总结。     

综合业务平台负载均衡的研究

为满足下一代网络中综合业务平台(ISP)运行的稳定性 、高可靠性及实时性要求,针对业务特点，设计了能达到负载均衡目标的定制接受算法. 根 据业务量差异情况设置参数，此算法可以较快地响应业务量变化，调整权值到最佳状态. 仿 真实验表明，应用该算法分发业务请求可以降低处理的平均响应时间. 此外，采用多级Java 管理扩展(JMX)结构实现了平台多服务器负载均衡机制，从而根据业务量情况灵活的增删服 务器个数，实现对平台中多台服务器的分布式管理.     

苯并(噁)嗪树脂体系在湿法缠绕工艺中的应用研究

采用旋转黏度计测定了苯并(口恶)嗪(BZ)树脂体系的黏度-温度曲线以及黏度-时间曲线,并计算BZ体系的固化动力学参数,从而确定固化工艺;在特定固化工艺条件下将BZ树脂初步缠绕内径60mm的碳管,测试其相关的力学性能,为BZ树脂体系应用于湿法缠绕工艺提供一定的依据。测试结果表明,该树脂体系室温下黏度为0.35Pa·s,满足湿法缠绕工艺的要求;固化工艺参数T_i=173℃,T_p=197℃,T_f=214℃,而固化制度为100℃/1h+120℃/1h+140℃/1h+160℃/1h+180℃/2h+200℃/2h;碳管的水压测试达到19MPa。     

移动通信网中基于用户社会化关系挖掘的协同过滤算法

该文面对移动通信网中个性化服务推荐问题,结合社会化网络分析方法提出一种基于移动用户社会化关系挖掘的协同过滤算法。利用移动通信网中所形成社会化网络,预测潜在的社会化网络关系,并按关系紧密程度找到相似用户;然后结合基于用户评分相似度计算发现的最近邻用户,找到最相似的用户集合,进行移动用户偏好预测和推荐,有效地缓解数据稀疏性。仿真数据集和公开数据集实验表明了该算法在预测移动用户偏好和提高推荐精确度方面的可行性和有效性。     

大数据环境下的推荐系统

信息过载是大数据环境下最严重的问题之一,推荐系统作为有效缓解该问题的方法,受到工业界和学术界越来越多的关注. 如何充分利用丰富的用户反馈、社会化网络等信息进一步提高推荐系统的性能和用户满意度,成为大数据环境下推荐系统的主要任务. 首先,对近几年大数据环境下的推荐系统进行了综述,对大数据和推荐系统进行了概述,对推荐系统在传统环境下和大数据环境下的区别进行了辨析;然后,根据层次化的框架对推荐系统关键技术、效用评价以及应用实践等进行了概括、比较和分析;最后,对大数据环境下推荐系统有待深入研究的难点和发展趋势进行了展望.