基于事件社会网络推荐系统综述

基于事件社会网络（Event-Based Social Network,EBSN）是一种结合了线上网络和线下网络的新型社会网络,近年来得到了越来越多关注,已有许多国内外重要研究机构的研究者们对其进行研究并取得许多研究成果.在EBSN推荐系统中,一个重要任务就是设计出更好、更合理的推荐算法以提高推荐精确度和用户满意度,其关键在于充分结合EBSN中的各种上下文信息去挖掘用户、事件和群组的隐藏特征.本文主要对EBSN推荐系统的最新研究进展进行综述.首先,概述EBSN的定义、结构、属性和特征,介绍EBSN推荐系统的基本框架,以及分析EBSN推荐系统与其他推荐系统的区别.其次,对EBSN推荐系统的主要推荐方法和推荐内容进行归纳、总结和对比分析.最后,分析EBSN推荐系统的研究难点及其发展趋势,并对本文作出总结.     

智能入侵检测技术的研究

本文简单介绍了智能入侵检测技术，主要包括神经网络技术，计算机免疫学，数据挖掘技术，状态转换分析，信息抽取，专家系统，基于多智能体的检测技术等等，以及智能入侵检测技术的发展趋势。     

论软件产品线的应用

本文简单介绍了软件产品线技术并且以一个实际案例来论证软件产品线方法是一种非常适合专业的软件开发组织的软件开发方法。     

基于半定松弛优化估计的无线传感网络定位

针对复杂环境下的无线传感节点位置定位精度的问题，提出一种基于无迹卡尔曼滤波的半定松弛优化估计（SC-SDP）算法，以实现无线传感器网络中节点位置的准确估计。文章基于半定松弛优化估计定位技术，建立系统模型并将其作为一个优化问题，通过寻找初始非凸目标函数的更低下界来重新阐述优化问题，将非线性和非凸问题分别松弛优化，得到次优化解；采用无迹卡尔曼算法过滤其噪声，获得一个可更准确地捕捉真实均值和协方差的滤波器，并且利用无轨迹转换使高斯输入信号精确到三阶，非高斯输入信号精确到二阶。大量的实验结果分析表明:SC-SDP算法在无线传感器网络的定位误差（RMSE）要优于GM-SDP算法、WLS算法以及CRLB算法的定位误差，提高了无线传感器网络的定位精度；半定松弛化算法的抗干扰性得到改善。