激活函数的对比测试与分析

随着人工智能的发展、含有激活函数库开源框架的增加,针对激活函数库的对比与分析越来越重要。在Intel x86架构上进行实验,从函数性能、稳定性、精度3个方面测试并分析了PyTorch和TensorFlow两种主流人工智能框架中的常用激活函数。实验结果表明,PyTorch的整体稳定性要高于TensorFlow,且Sigmoid、Hardsigmoid、SeLU、ReLU、ReLU6、Tanh函数的性能皆优于TensorFlow;在精度方面,TensorFlow中除SeLU函数与LeakyReLU函数稍差些,其余函数与PyTorch表现相当。     

数据集成中XML模式和关系模式映射模型研究

针对数据集成遇到的数据交流难问题,文章首先介绍了XML技术的优势,并就如何利用其优势来解决XML文档和关系数据库之间的数据转换问题进行了分析。进一步研究了XML和关系数据库之间的基本映射方法,在此基础上建立了XML模式和关系模式之间双向映射的模型,并给出了模型的实现。     

面向Blog 的社团结构发现研究

博客（Blog）作为一种全新的网络发布模式,在很大程度上增强了网络信息的开放性,吸引着越来越多的网络用户。Blog上的文章发表与回复信息隐含了用户之间可能存在的某种关系。通过社会网络分析（SNA）的方法对Blog用户（Blogger）在页面上的行为进行挖掘,有助于获得感兴趣的知识。文章提出了针对Blog发表回复的社会关系网络的构建方法以及对其进行社团挖掘算法的相关优化策略。     

防止移动Agent通信失效的方法

通信机制是移动代理系统研究的关键技术之一,但是由于Agent具有移动性,使得Agent在通信过程中会引起通信失效问题.在比较了几种防止通信失效的方法后,结合集中式控制和本地通信,提出了一种新的防止移动Agent通信失效的方法,在有效控制通信开销的同时,保证了消息传递的可靠性.     

邮件挖掘技术在社会网络分析中的研究与应用

邮件挖掘是数据挖掘领域中一项新兴的技术,它的出现源于电子邮件在人们生活中的广泛使用以及数据挖掘技术的日益成熟.介绍分析了这项技术及其崭新的一个应用--社会网络分析SNA,并根据当前国际研究现状与发展趋势,提出了社会关系网络的构建方法以及社团挖掘改进算法和相关优化策略.描述了社会网络分析系统框架结构的设计与搭建.     

基于数据库编程语言的海量邮件数据分类技术

针对海量邮件数据的处理需求和实际业务需要,设计了基于数据库编程语言的海量邮件自动分类系统。该系统由特征学习模块、数据库查询模块和贝叶斯分类模块3部分构成。结合贝叶斯分类算法,利用PL/SQL语言与数据库交互时的高效性特点,在ORACLE PL/SQL存储过程中完成对未知邮件的特征提取和表示,实现对海量邮件数据的有效分类。     

基于邮件分类的敏感社团挖掘技术研究与实现

针对海量邮件数据的处理需求和实际业务需要,设计了基于三层过滤模型的邮件挖掘系统.对时间属性、内容信息和地址数据进行逐层分析和筛选过滤,在广度上缩小侦察范围,在深度上加大挖掘力度.系统以邮件正文和主题包含的敏感信息为切入对邮件进行自动分类,进而通过地址信息建立邮件社会关系网络,挖掘原始邮件数据背后隐含的社团结构.最后通过实验验证了其有效性.     

基于邮件分类的敏感社团挖掘技术

针对海量邮件数据的处理需求和实际业务需要,设计了基于三层过滤模型的邮件挖掘系统。对时间属性、内容信息和地址数据进行逐层分析和筛选过滤,在广度上缩小侦察范围,在深度上加大挖掘力度。系统以邮件正文和主题包含的敏感信息为切入对邮件进行自动分类,进而通过地址信息建立邮件社会关系网络,挖掘原始邮件数据背后隐含的社团结构。最后通过实验验证了其有效性。     

PowerBuilder环境制作中国式报表

中国式报表结构复杂,制作困难,通常需要专用的工具软件才能开发。本文探讨了在广为流行的数据库开发工具ＰｏｗｅｒＢｕｉｌｄｅｒ环境下,制作各类中国式报表的技术与手段,并给出了具体的制作方法。