基于消息驱动的分布式协同计划系统的设计与实现

针对当前计划制定过程中出现的协同性差的问题提出并设计了一个基于消息驱动的协同计划系统。此系统以JMS作为消息传输的基础结构，采用XML作为消息封装的标准，实现了平台和数据的独立。     

基于密度的微粒群优化混合聚类算法

在分析了现有的基于密度的聚类算法的基础上，结合微粒群算法，提出了一种基于密度的微粒群混合聚类算法。相对于DENCLUE聚类算法，该算法能够对使用的资源进行有效的控制，有利于实现对数据库数据的增量处理。实验证明了算法的有效性。     

数据流中孤立点识别方法

针对基于聚类分析及基于孤立点检测的入侵检测方法的局限，根据数据流的特点，提出了一种数据流中孤立点动态识别方法。该方法使用动态微粒群算法对特征空间中当前主要聚类的特征点进行追踪，通过计算数据流中数据对象与特征点的距离来判断数据对象的性质。将该方法应用于入侵检测而进行的实验证明了方法的有效性。     

基于最近共享邻居节点的K-means聚类算法

聚类分析是一种重要的数据挖掘方法。K-means聚类算法在数据挖掘领域具有非常重要的应用价值。针对K-means需要人工设定聚类个数并且易陷入局部极优的缺陷,提出了一种基于最近共享邻近节点的K-means聚类算法(KSNN)。KSNN在数据集中搜索中心点,依据中心点查找数据集个数,为K-means聚类提供参数。从而克服了K-means需要人工设定聚类个数的问题,同时具有较好的全局收敛性。实验证明KSNN算法比K-means、粒子群K-means(pso)以及多中心聚类算法(MCA)有更好的聚类效果。     

多媒体技术应用于大学物理课堂教学的探索和体会

分析了大学物理课堂教学中多媒体技术的应用现状及不足,介绍了大连理工大学城市学院大学物理课堂教学过程中使用多媒体技术的一些探索和体会,在此基础上总结了关于大学物理课堂教学过程中使用多媒体技术的一些基本原则。     

一阶电路过渡过程引导启发式教学探索与实践

根据独立学院实际教学情况,在教学过程中淡化数学推导证明,强调学生对三要素法的掌握以及对零输入响应、零状态响应和全响应概念的理解,通过对过渡过程实质的分析,讲解一阶电路的过渡过程.实践证明,此种方法不仅能够使学生很好地理解电路的过渡过程,同时也提高了教学效率,有利于实现精讲多练的目标,符合应用型人才的培养理念.     

基于软件开发视角的数据库概念教学策略设计

针对学生不易将数据库课程与其他计算机课程融会贯通,形成系统化知识体系的问题,提出从软件开发视角出发,通过设计与解决系列问题的教学策略引导学生自主学习数据库概念,并以模式结构的教学为例进行详细介绍.实践表明,此种策略可有效促进学生形成系统的知识体系,提高其解决问题与自主学习的综合能力.     

高维分类属性的子空间聚类算法

高维分类数据的处理一直是数据挖掘研究所面临的巨大挑战.传统聚类算法主要针对低雏连续性数据的聚类,难以处理高维分类属性数据集.本文提出一种处理高维分类数据集的子空间聚类算法(FP-Tree-based SUBspace clustering algorithm,FPSUB),利用频繁模式树将聚类问题转化为寻找属性值的频繁模式发现问题,得到的频繁模式即候选子空间,然后基于这些子空间进行聚类.针对真实数据集的实验结果表明,FPSUB算法比其他算法具有更高的准确度.     

基于k最相似聚类的子空间聚类算法

子空间聚类是聚类研究领域的一个重要分支和研究热点,用于解决高维聚类分析面临的数据稀疏问题。提出一种基于k最相似聚类的子空间聚类算法。该算法使用一种聚类间相似度度量方法保留k最相似聚类,在不同子空间上采用不同局部密度阈值,通过k最相似聚类确定子空间搜索方向。将处理的数据类型扩展到连续型和分类型,可以有效处理高维数据聚类问题。实验结果证明,与CLIQUE和SUBCLU相比,该算法具有更好的聚类效果。     

一种基于网格和密度的微粒群混合聚类算法

本文在分析现有的基于网格和密度的聚类方法的基础上，借鉴密度函数的思想，提出了一种新的网格单元密度的计算方法。和其他基于网格的方法相比，此方法对于网格单元密度的计算具有更高的精度。在此基础上，将该计算方法与微粒群算法相结合，实现了一种基于网格和密度的微粒群混合聚类算法。最后，通过实验验证了算法的有效性。