基于Solr的分布式实时搜索模型研究与实现

实时搜索已成为信息检索领域的热点问题之一。传统搜索引擎在分布式环境下无法保证大数据量、高并发情况下的实时响应和数据容灾。本文提出了一种基于Solr的分布式实时搜索模型,分析了其实现原理。模型通过内存索引与磁盘索引相结合保证索引信息的实时展示,同时引入CommitLog日志保证内存索引数据容灾,并通过Master/Slave模型保证搜索服务的可用性。最终应用于实际生产系统中,实践结果充分证明了该模型的可行性。     

无线传感器网络中中位数查询近似算法研究

提出一种基于WSN的中位数查询近似算法——AAMQ。在AAMQ中,节点分别统计出每个感知值出现的不重复次数,从而抽取节点的K%个最常用感知值作为子样本,然后将子样本传递给父节点,最终在根节点形成全网的样本。最后使用这个远小于全网数据集规模的、可用于代表全网数据集结构的全网样本迅速获得中位数的近似结果,从而避免了将各节点的数据都传输至根节点。实验结果显示,该算法能较大减少网络通信量、具有较小的误差,能有效地延长网络的生存期。     

基于查询-文档异构信息网络的半监督学习

基于图的半监督学习近年来得到了广泛的研究,然而,现有的半监督学习算法大都只能应用于同构网络。根据查询及文档自身的内容特征和点击关系构建查询—文档异构信息网络,并引入样本的判别信息强化网络结构。提出了查询—文档异构信息网络上半监督聚类的正则化框架和迭代算法,在正则化框架中,基于流形假设构造了异构信息网络上的代价函数,并得到该函数的封闭解,以此预测未标记查询和文档的类别标记。在大规模商业搜索引擎查询日志上的实验表明本方法优于传统的半监督学习方法。     

面向大数据处理的并行优化抽样聚类K-means算法

针对大数据环境下K-means聚类算法聚类精度不足和收敛速度慢的问题,提出一种基于优化抽样聚类的K-means算法(OSCK)。首先,该算法从海量数据中概率抽样多个样本;其次,基于最佳聚类中心的欧氏距离相似性原理,建模评估样本聚类结果并去除抽样聚类结果的次优解;最后,加权整合评估得到的聚类结果得到最终k个聚类中心,并将这k个聚类中心作为大数据集聚类中心。理论分析和实验结果表明,OSCK面向海量数据分析相对于对比算法具有更好的聚类精度,并且具有很强的稳健性和可扩展性。     

一种基于统计优化的客户关系管理

本文提出了一种基于确定性因子的统计算法来实现客户分类,利用粗糙集和统计知识的互补来处理不确定知识,挖掘潜在客户。实验结果表明,该算法提高了客户分类时的查全率和查准率。     

一种基于移动IP自适应预测切换机制

移动IP切换存在切换延迟大,数据包易丢失的问题。切换时延由移动检测时延和注册时延组成,而移动检测时延在其中占主要部分。该文提出一种自适应主动预测邻居单播的切换机制,采用自适应主动预测算法,根据移动节点运动情况和网络状况等进行综合预测,并通过反馈结果对算法进行动态调整,方案中充分考虑了乒乓效应等特殊情况;还结合层次移动管理方法,减小注册时延,同时采用预测邻居单播,减轻网络负担,实现了快速平滑的切换。     

可重构计算系统的研究与应用

可重构计算系统既具有在制造后的可编程性．又能提供较高的计算性能和计算密度。对可重构计算系统的基本概念以及系统构成概要介绍的基础上,通过一个实例给出了可重构计算系统的一种快速实现方法,与具有相同功能的其他系统相比．这种系统更灵活和高效。     

基于PCI总线数据采集系统设计

PCI总线是一种高性能的高速外围设备接口总线。它很适合于高速数据采集与传输系统。文中分析了PCI总线系统的结构与特点，讨论PCI接口卡的硬件设计以及基于PCI接口卡的数据采集软件设计。