模糊最小包含球支持向量机

为提高支持向量机的模式分类性能,综合模糊支持向量机和球形支持向量机等方法,提出一种模糊最小包含球(FMEB)支持向量机,对于模式分类问题,通过引入模糊隶属度,寻找2个分别包含二类模式的同心最小包含球,使类间间隔最大化,同时二类模式类内分布最小化,从而增强泛化性和鲁棒性。实验结果证明FMEB的模式分类性能优于其他方法。     

一种基于XML组件的电子商务安全解决方案

电子商务在当今世界经济中发挥着日益重要的作用,同时电子商务的安全性问题也变得越来越重要,目前电子商务的安全技术中的高代价和弱互操作性已经成为了解决信息安全的瓶颈.在这种情况下,提出一种基于XML组件的电子商务安全的解决方案,它的设计思想是将信息运用XML描述,然后针对XML中敏感信息进行加密签名等安全处理,使用XML安全组件取代传统安全体系模型中的安全认证层和安全传输层.因此,该方案具有效率高、代价低的优势,同时方案将XML组件从整个应用系统中分离出来成为通用插件,使两者成为一种松耦合的关系,提高了软件的可重用性.     

一个基于网格服务的面向服务架构设计与实现

面向服务架构是一种体系结构理念,通过接口和契约来连接业务逻辑和具体实现.文中提出了一种在网格环境下提供服务的面向服务架构的设计,并在Web服务资源框架标准和GT4工具下给出了一个实现.最后,验证了该架构的优越性,为实现SOA提供了一种比传统实现方式更好的解决方案.     

基于用户模糊聚类的两阶段协同过滤推荐

推荐系统中,随着用户数目和商品数目的日益增加,传统的协同过滤技术在生成推荐时的速度已经成为一种瓶颈。针对此问题,本文提出了一种基于用户模糊聚类的两阶段协同过滤推荐。两阶段分为离线和在线两个阶段。离线时,应用模糊聚类技术,对基本用户进行模糊聚类;在线时,利用已有的用户模糊聚类寻找目标用户的最近邻居,并产生推荐。实验表明,基于用户模糊聚类的两阶段协同过滤推荐不仅加快了推荐生成速度,还提高了推荐质量。     

一种基于本体和Agent的网格服务发现机制

在动态的网格计算环境中分布着大量不同类型的网格服务。快速、准确地进行网格服务发现是影响网格计算性能的关键因素。本文提出了基于本体和Agent的网格服务发现机制,它具有良好的扩展性和完备性。该模型采用Agent代理技术进行服务搜索,不同的代理能够提供不同虚拟组织的本体知识库;利用本体论语义进行服务的匹配,从而实现智能化的服务发现。     

一种基于本体语义的网格服务发现模型

在网格环境中,网格服务的发现机制对于系统的性能和效率有着重要的意义和作用。目前网格服务发现模型多数是集中式的、基于关键字的服务匹配模型,缺乏灵活性和推理能力,发现结果难以令人满意。提出了一种基于本体论语义和Agent代理的网格服务发现模型。采用Agent代理技术进行服务搜索,不同的代理能够提供不同领域的本体知识库,从而达到多领域的服务发现;利用本体论语义进行服务的匹配,从而达到智能化的服务发现。该模型提高了服务发现的准确率,同时也增强了系统的可维护性、灵活性和扩展性以及服务管理的自治性和容错性。     

电子商务领域本体下的Web服务自动组合实现

随着Web服务应用的不断发展,如何根据服务需求进行Web服务的动态组合,已经是一个急需解决的问题。本文利用电子商务领域本体建立了Web服务本体模型,提出了基于语义的Web服务动态组合体系结构和解决方法。架构包括服务描述模块、需求解析模块和服务组合模块。最后,给出了该模型在一个购物系统中的实现。     

面向职业岗位,培养IT高技能应用型人才

依据就业专业群适应性确定核心平台课程群,符合专业群建设的需要,满足学生职业生涯发展的需要,提高课程资源的共享性;依据岗位(群)工作针对性要求确定岗位系列课程群,满足学生快速适应就业上岗的需要,加强课程之间的联系。本文面向IT职业岗位,构建岗位系列课程,并根据岗位系列课程实施要求,经四阶段构建IT应用型人才培养方案,并以工学结合为平台实施人才培养方案。     

网格事务服务和事务处理机制的研究

提出了网格服务环境中基于移动Agent的网格事务服务和事务处理机制,能够支持动态网格事务的处理.研究了网格事务服务的架构、算法和事务处理机制.基于Agent的网格事务服务能够提供动态的事务管理能力,为网格服务投入到商业应用提供了有力的支持.     

电子商务中隐空间多源迁移协同过滤

评分数据的极端稀疏性是制约协同过滤（CF）算法在电子商务推荐中有效应用的关键瓶颈。为此,提出一种新颖的隐空间多源迁移协同过滤（latent multi-source transfer collaborative filtering, LMTCF）方法,在某个优化的隐子空间内,LMTCF桥接多个用户/项目源领域隐因子,并保留目标数据的局部几何结构,从而更好地解决协同过滤中存在的数据稀疏性问题,且还能有效克服现有方法存在的负迁移和迁移不充分的问题。在实际基准数据集上的实验结果显示了所提方法明显优于现有相关方法。