移动社交:差异化坚持与“社交”的回归

正随着移动无线网络的普及——3G网络的普及,4G网络的商用,都带动着移动互联网行业的发展。即时通信应用也应运而生,继而发展壮大,用户通过移动端产品进行通讯已经大大地超过了手机短信的使用率。但慢慢的,这些移动社交产品逐渐偏离了沟通、偏离了社交,各种营销,宣传充斥着屏幕,在用户逐渐厌烦的同时,也在期待着原始社交属性的回归。另外,在移动社交产品普遍同质化的状况下,深度挖掘用户的需求才能寻求突破。移动社交产品用的差异化突破最近,一款匿名社交应用"秘密"颇受到人们的     

传漾科技:引领跨屏数据精准营销新时代

正对于在PC端产业链布局完整的互联网广告公司来说,强大的资源整合能力成为助力其在跨屏时代打造差异化核心竞争力的一张王牌。近年来大数据在中国成为众多行业进行差异化发展的基石,从事数字营销的企业也纷纷开始借助大数据,对不同类型、差异媒介、行业客户的资源进行整合。     

大站SEO与小站SEO的发力点区别在哪儿?

正对于seo来说,他的技法都是差不多的,因为我们所有的网站进行优化不管是大站、中站还是小站,他们都是在一个池子里面进行关键词的比拼,没有道理说小站和小站pk、大站和大站PK!他们都是在一个池子里面,所以说整个算法对于大站、中、小站而言是一样的,因此基于算法所引申出来的,所有的     

网站优化过程中新手容易陷入的雷区

众所周知,搜索引擎优化随着搜索引擎的不断普及现在已经成为一门专业的技术领域,作为一个站长经常和搜索引擎打交道,利用搜索引擎为我们网站带来优质的流量,可见当下站长和搜索引擎是互利共生的关系,但是很多时候一个新人浮躁的心态下,往往会不经意间陷入很多优化的误区之中,其实站长的小聪明都是会被搜索引擎完全记录在案的,好了闲话短续笔者详细和大家总结一下。     

百度权重该如何提高

一些新建设的网站,在网站建设初期,在百度上的权重很低,连内容收录都很少,发布的原创新闻,搜索新闻的标题都搜索不到,这些种种情况都是因为权重低造成的。可以说,网站的权重决定了网站优化的成败,因此在进行网站SEO时,首要工作就是提升网站在百度上的权重。     

蓝海破浪 发展共赢

在私有化之后,文思海辉技术有限公司调整了以后的发展方向,未来会更注重金融行业。互联网金融是近期广受关注的话题,但传统银行究竟该如何转型？新兴互联网企业又该怎样发展？国有四大银行外的发展空间在哪里？作为第一家黑石集团投资的中国高科技企业,文思海辉技术有限公司（以下简称文思海辉）近日在青岛举办了＂新蓝海,新银行—2014年中国银行业座谈研讨会＂。     

基于改进遗传模拟退火 K-means的心电波形的分类研究

针对心电图自动诊断困难这一问题,提出了一种新的聚类算法：基于均方差属性加权的遗传模拟退火K-means改进聚类算法,用于改进心电图（ECG）信号的自动识别技术。利用小波变换的多分辨率和抗干扰能力好的特点,检测QRS波、P波、T波,提高了特征检测的准确性;利用聚类分析具有较好的鲁棒性和适合于大数据量分析的特点,对心电信号进行波形分类。采用MIT-BIH标准心电数据库中的部分数据对识别结果进行判断,改进后的K-means聚类算法的准确率高于传统的K-means聚类算法,实验表明该算法对心电信号可以进行有效分类。     

云环境下基于DPSO的任务调度算法

针对云计算任务调度问题,结合粒子群优化(PSO)算法的种群个体协作和信息共享特点,提出一种基于离散粒子群优化(DPSO)的任务调度算法。采用随机方法生成初始种群,利用时变方式调整惯性权重,并在位置更新中使用绝对值取整求余映射法进行合法化处理,提高PSO算法的离散化程度。搭建并重新编译了CloudSim云计算仿真平台进行实验,结果显示,当迭代次数为200时,DPSO、PSO、GA算法的所有任务最终调度时间分别为457.69 s、467.90 s、472.41 s,从而证明DPSO算法能够有效解决云计算环境下的任务调度问题,并且算法收敛速度优于PSO和GA算法。     

基于权重学习的图像最大权对集匹配模型

在图匹配模型中权重的设置对匹配性能有很大影响,但直接计算的权重往往不符合匹配图像的实际情况。为此,参照二次分配问题的图匹配学习思想,给出一阶和二阶最大权对集模型的权重学习计算方法。一阶最大权对集模型直接采用图像特征点作为图的顶点,而二阶最大权对集模型则采用某些特征点之间的连接边作为顶点,2个模型都可以通过Kuhn-Munkras算法求解。一阶最大权对集模型在本质上等价于二次分配问题的线性情况。在CMU House数据库上的图像匹配实验结果表明,二阶最大权对集模型优于一阶最大权对集模型,且两者在学习计算时的性能也优于直接计算的情况。     

一种基于区分矩阵的属性组合权重构造方法

详细分析了以基于Pawlak的属性重要度来构造属性权重的方法存在的问题,给出了一种基于区分矩阵的属性重要度的定义方法,并且得到了该定义方法的一些重要性质。在此基础上提出了一种新的信息系统属性权重构造方法,新方法是以条件属性在整个信息系统中的贡献度来确定属性权重,不仅反映了属性自身区分对象的能力,而且体现了各属性在整个条件属性中的分类能力。通过算例分析表明,该方法得到的属性权重更加贴近事实,因此它能提高属性权重的准确度。