寓教于乐——计算机课程教学改革创新实践

针对计算机课程中如何提高学员学习兴趣,提升教学质量的问题,采用寓教于乐形式从玩中教学,激发学员兴趣和好奇心,由浅入深逐步设置问题,引导学员逐个解除疑问,最终取得问题的解,以此在教学中将学员由被动学习改变到主动学习,最终达到提升教学质量的效果。     

基于移动Agent和蜜罐的入侵检测系统分析与设计

为了解决入侵检测系统花费巨大及在单机上占用主机大量系统资源的问题，提出了一种新型的基于Honeypot和Mobile Agent的入侵检测系统AH-IDS，并根据Mobile Agent能够在网络中自由移动等特点重点分析了系统的工作流程、主要部分的架构组成和AH-IDS中监视器组件的设计。通过两个简单的例子说明AH-IDS可以通过分析入侵攻击的特性来实现对简单攻击的检测，并通过对AH-IDS的性能的分析说明了AH-IDS的检测性能与其它的IDS相比有了提高。     

基于时空感知的用户角色推理

随着大数据和信息技术的发展,更好地理解用户的行为轨迹在个性化推荐、广告推荐等方面越来越重要。该文依据大数据环境下的城市计算理论,提出一种基于情境感知的用户角色推理模型。通过用户的行为轨迹分析其行为的时空特性;结合时间、语义分析等构造识别用户角色概率推理模型;通过算法克服识别用户角色的主观性、动态适应性差等问题。实验结果证明了该文所提模型的可行性、精确性和预测准确性。     

Web大数据环境下的不一致跨源数据发现

Web中不同数据源之间的数据不一致是一个普遍存在的问题,严重影响了互联网的可信度和质量.目前数据不一致的研究主要集中在传统数据库应用中,对于种类多样、结构复杂、快速变化、数量庞大的跨源Web大数据的一致性研究还很少.针对跨源Web数据的多源异构特性和Web大数据的5V特征,将从站点结构、特征数据和知识规则3个方面建立统一数据抽取算法和Web对象数据模型;研究不同类型的Web数据不一致特征,建立不一致分类模型、一致性约束机制和不一致推理代数运算系统;从而在跨源Web数据一致性理论体系的基础上,实现通过约束规则检测、统计偏移分析的Web不一致数据自动发现方法,并结合这两种方法的特点,基于Hadoop MapReduce架构提出了基于层次概率判定的Web不一致数据的自动发现算法.该框架在Hadoop平台上对多个B2C电子商务大数据进行实验,并与传统架构和其他方法进行了比较,实验结果证明该方法具有良好的精确性和高效性.     

我国钢铁企业环境与经济协调发展评价分析

钢铁企业的环境与经济协调发展是钢铁企业实现可持续发展的重要途径,也是可持续发展的基本要求.在构建钢铁企业环境与经济协调发展评价指标体系的基础上,运用环境与经济协调发展评价模型对我国钢铁企业进行了系统分析,确定了我国钢铁企业环境与经济的协调程度.     

QoS全局最优的多目标Web服务选择算法*

针对现有方法的不足,提出一种基于QoS全局最优的多目标动态Web服务选择算法。在给出动态服务组合模型的基础上,以“抽象服务规划”为输入,以用户的非功能性需求为全局约束,将动态服务选择问题转换为一个带QoS约束的多目标服务组合优化问题;利用多目标蚁群算法,多个目标函数被同时优化并产生一组满足约束条件的Pareto优化解。通过运用实验与基于多目标遗传算法的Web服务选择算法进行对比,证明了该方法的可行性和有效性。     

软件可靠性JM模型的改进研究

在分析JM模型的局限性基础上,针对其模型假设不考虑软件故障后果以及忽略可靠性因素两个问题,提出了划分故障严重程度等级及将可靠性度量与可靠性因素联系起来的构想,对JM模型进行了改进.分析和验证结果证实了该方案的可行性.     

基于3-layer中心度的社交网络影响力最大化算法

社交网络影响最大化问题是指如何寻找网络中有限的初始节点,使得影响的传播范围最广。一些贪心算法可以得到较好的影响范围,但是因时间复杂度太高而不适用于大型社交网络。基于度中心性的启发式算法简单但准确度不高;基于介数中心性、接近中心性等全局指标的启发式算法可以较好地识别影响力最大的节点,但计算复杂度也过高。考虑网络节点深层次结构对影响扩散的作用并权衡计算复杂度与准确度,定义了3-layer局部中心度,以计算节点的潜在影响力值。基于线性阈值模型,启发选择一部分种子节点:每一次都选取潜在影响力最大的节点作为种子节点进行激活;运用贪心算法选取剩下的一部分种子节点:每一次都选取具有最大影响增量的节点作为种子节点进行激活。实验表明,该混合算法具有很好的激活范围以及非常低的时间复杂度。     

基于微博行为数据的不活跃用户探测

随着微博注册用户的增长,探测不活跃账号,自动判定用户活跃度有重要的商业价值。该文提出了一种自动检测算法并通过实验验证。算法核心是提出的影响用户活跃度的4个判定因子,可由用户行为计算得到。算法包含用户活跃度概率层次模型(ADPHM)和用户评分模型(USM)。ADPHM模型计算用户是不活跃用户的概率;USM模型计算用户活跃度得分。实验数据集包含了新浪微博2 316 281个用户信息和141 322 019条微博内容。实验结果表明,该算法能在线性时间复杂度下自动检测出不活跃账号,完善用户可信度评估体系。     

Web内容挖掘与使用挖掘的整合应用

为了满足站点上更多用户的需求，基于一种整合Web内容挖掘和使用挖掘的个性化推荐算法，在内容挖掘和使用挖掘的预处理阶段，针对XML文档标签化以及内容动态性的特征，提出了一种新的主题权重以及会话有效性衡量的方法，实验证明该方法的推荐值更具准确性和有效性．