一种适用于混合型分类数据的聚类算法

传统的K-modes算法采用简单的属性匹配方式计算同一属性下不同属性值的距离，并且计算样本距离时令所有属性权重相等。在此基础上，综合考虑有序型分类数据中属性值的顺序关系、无序型分类数据中不同属性值之间的相似性以及各属性之间的关系等，提出一种更加适用于混合型分类数据的改进聚类算法，该算法对无序型分类数据和有序型分类数据采用不同的距离度量，并且用平均熵赋予相应的权重。实验结果表明，改进算法在人工数据集和真实数据集上均有比K-modes算法及其改进算法更好的聚类效果。     

面向文本数据的正则化交叉验证方法

面向文本数据建模时,交叉验证方法是特征选择及模型比较任务中的常用方法。许多研究表明,文本数据模型的性能估计对交叉验证的数据切分方式较为敏感,不合理的切分方式可能会导致不稳定的性能估计值,使得实验结果可复现性差。该文试图论证基于多次重复(m次)的2折交叉验证,通过引入对训练集、验证集分布差异的约束,所构造的正则化m×2交叉验证方法(简记为m×2 BCV)可以改善模型的性能指标的估计,适宜于模型比较。该文首先针对文本数据引入训练集与验证集分布差异的卡方度量,基于该度量构建数据切分的正则化条件,以最大化模型性能指标的信噪比为目标,给出了满足正则化条件的m×2 BCV的数据切分优化算法。最后,以自然语言处理中汉语框架语义角色标注任务为例,验证了基于m×2 BCV方法的有效性。     

基于MF-R和AWS密钥管理机制的物联网健康监测大数据分析系统

带有传感器的可穿戴式医疗设备不断生成大量数据，由于数据的复杂性，难以通过处理和分析大数据来找到有价值的决策信息。为了解决这个问题，提出了一种新的物联网体系结构，用于存储和处理医疗应用的可扩展传感器数据（大数据）。所提出的架构主要由两个子架构组成：Meta Fog重定向（MF-R）架构和AWS密钥管理机制。MF-R架构使用Apache Pig和Apache HBase等大数据技术来收集和存储不同传感器设备生成的传感器数据，并利用卡尔曼滤波消除噪声。AWS密钥管理机制使用密钥管理方案，目的是保护云中的数据，防止未经授权的访问。当数据存储在云中时，所提出的系统能够使用随机梯度下降算法和逻辑回归来开发心脏病的预测模型。仿真实验表明，和其他几种算法相比，提出的算法具有更小的误差，且在吞吐量、准确度等方面具有一定的优越性。     

基于改进关联规则算法的警情数据分析

针对传统Apriori算法挖掘警情数据的缺点，提出一种改进的Apriori算法。该算法首先在关联规则发现阶段引入权值参数，设计支持度阈值函数，以挖掘不常发生的重大案情发生规律；然后提出一种压缩矩阵优化算法，将数据压缩存储在只有0或1的矩阵中，并用2个数组来记录矩阵中每一行及每一列1的总数，可多次压缩矩阵，提升挖掘效率；最后将改进的算法用于实际的警情数据挖掘分析，给出关联规则挖掘结果。实验表明，改进算法不仅执行效率较传统算法有所提升，且针对警情数据的挖掘结果准确性也有所提高。     

以“互联网+”促进学前教育信息化建设

云计算、大数据、人工智能等技术的快速发展，有力地促进了“互联网+教育”的普及和应用。学前教育作为“互联网+”的重要应用领域，可以充分地利用人工智能、物联网、大数据等技术，实现学前教育硬件设备的互联互通，利用大数据搜索与推荐学前教育资源，基于人工智能开发可视化、虚拟化的学前教育课程，培养儿童的学习积极性和主动性，让学生养成一种良好的学习习惯，具有重要作用和意义。     

基于哈希链的软件定义网络路径安全

针对软件定义网络中，控制器无法保证下发的网络策略能够在转发设备上得到正确执行的安全问题，提出一种新的转发路径监控安全方案。首先以控制器的全局视图能力为基础，设计了基于OpenFlow协议的路径凭据交互处理机制；然后采用哈希链和消息验证码作为生成和处理转发路径凭据信息的关键技术；最后在此基础上，对Ryu控制器和Open vSwitch开源交换机进行深度优化，添加相应处理流程，建立轻量级的路径安全机制。测试结果表明，该机制能够有效保证数据转发路径安全，吞吐量消耗比SDN数据层可信转发方案（SDNsec）降低20%以上，更适用于路径复杂的网络环境，但时延和CPU使用率的浮动超过15%，有待进一步优化。     

中医药临床研究电子数据管理特点及标准操作规程的制定

电子数据管理具有节约成本、缩短研发周期、提高数据质量等优势,已逐步成为临床研究数据采集与管理的主流形式,规范开展电子数据管理工作是提高中医药临床研究质量的重要措施。本文介绍了临床研究电子数据管理标准操作规程(standard operating procedure, SOP)的作用、制定原则、一般体例、制定流程、SOP的管理与培训以及实际工作中常用的SOP,最后讨论了中医药临床研究电子数据管理的特点及难点,并给出了建议的解决措施。     

数据驱动的机床等待过程节能方法研究

为了降低机床等待过程中的能耗，提出了一种实时数据驱动的机床等待时间预测与节能控制方法。首先，建立了射频识别驱动的生产进度评估方法，并以生产进度数据作为输入，构建了基于堆栈降噪自编码的机床等待时间预测模型；其次，依据预测的机床等待时间，提出了机床状态切换方法，以降低机床能耗；最后，通过一个电梯零部件制造车间的案例分析，表明该方法的预测误差仅为4.1%，同时将机床等待过程能耗降低了57%，实现了制造车间的节能减排。