基于主题短语的搜索引擎结果聚类

为了解决搜索引擎检索结果中的主题混杂现象,帮助用户快速准确地定位到有价值的信息,提出基于主题短语的搜索引擎结果聚类方法。首先从检索结果中提取查询词并与相邻词语组成主题短语,建立包含高频独立词语及主题短语的混合向量空间模型,同时引入同义词词林对特征项进行语义扩充,最后采用改进的k-means聚类算法对搜索结果进行聚类,并为各个类别提取类别标签。实验结果表明,该算法能有效提高聚类结果的准确率。     

基于遗传-蚁群混合算法的软件测试数据自动生成方法

自动化测试可以有效地提高软件测试效率,降低软件开发成本。测试数据自动生成是自动化测试过程中一个非常重要的环节。以路径覆盖为准则,本文提出一种利用遗传-蚁群混合算法来对程序输入域进行搜索的方法,进而生成满足需要的测试数据。经过实验验证,该算法可以有效地生成满足覆盖准则并且分布多样的测试数据。     

Hibernate性能优化研究

Hibernate是连接Java对象模型和关系数据库模型的桥梁.在数据库操作频繁的系统中,良好的缓存管理策略和合理的连接池应用模式往往是性能提升的关键.对Hibernate的二级缓存机制和连接池策略进行较为详细地分析,把其配置到具体的应用中,并量化分析性能的提高.     

网格资源发现中移动Agent路径优化的研究

在对动态网格资源发现模型研究的基础上,改进了移动Agent在网格环境中的动态巡游策略.分析和比较了路径优化算法,在遗传算法和蚁群算法融合的基础上,提出了基于Agent的网格资源发现机制中进行路径优化的新方法,解决移动Agent为完成用户指定的资源发现任务在网格动态环境中移动时的迁移路径问题.实验结果表明了该算法的可行性,适应网格的动态性,以及提高网格资源发现的效率.     

自适应搜索区域的微粒群优化算法

基于基本微粒群优化算法搜索后期,众多微粒都拥挤在历史最优位置周围进行重复性无效搜索这一现象,提出一种改进的微粒群算法--自适应搜索区域的微粒群优化算法,其主要思想为:每当搜索进行到当前设定的一个最大迭代次数时(即,微粒在全局历史最优位置周围徘徊进行无效搜索时),在原搜索区域的基础上,重新构造一个较小的搜索区域,并重新初始化微粒,继续进行搜索,最终获得最优解.对3个常用标准测试函数进行优化计算,仿真结果表明,该算法具有比基本微粒群优化算法更好的优化性能.     

基于C4.5和Boosting算法的数据库负载自动识别

对数据库进行调整与优化时,负载的类型是要考虑的一个关键因素.不同的负载类型(联机事务处理OLTP和联机分析处理OLAP),意味着不同的资源分配策略.另外在系统运行中,负载的类型是经常变化的.把基于C4.5决策树算法和Boosting集成学习算法的分类模型用于数据库负载类型的自动识别中,实验结果表明,该分类模型是可行的,达到了令人满意的准确度以及关于负载识别的4个特殊要求.     

Nutch搜索引擎的页面排序修改方法研究

Nutch是一个优秀的开放源代码的Web搜索引擎.虽然 Nutch的页面排序方法比较合理,但是很多情况下仍然不能满足需要.分析开源搜索引擎N岫代码,研究了Nutch的页面排序方法.在Nutch原有的结构基础上提出了3种修改Nutch排序的方法,对每种方法的实现进行了阐述,最后对这些方法的特点进行了比较.     

“数据结构”课程教学反思与改革

本文在教学实践的基础上,阐述了当前在"数据结构"教学过程遇到的主要问题,从综合运用多种教学模式和手段、强调基础知识的理解、完善教学评价制度、加强实践教学环节等方面提出了改革措施,并在课程教学中实践,取得了良好的教学效果。     

进程管理演示系统的设计与实现

进程是资源分配和独立运行的基本单位,是操作系统的核心概念。"操作系统"教学中,进程的概念以及进程管理的实现原理抽象难懂,初学者难以掌握。本文阐述如何以图形化方式设计和实现进程管理的演示系统,以辅助课堂教学。该系统的演示内容包括:进程的概念、进程创建、进程组织、进程关系管理、进程阻塞、进程唤醒、进程撤销、进程调度、进程同步。     

数据网格下副本一致性问题的研究

分析了目前数据网格环境下的副本一致性研究现状,并提出了一种基于优先级与时间戳的副本一致性模型（RCPTM,Replica Consistency based Priority and Timestamp Model）及算法,并在模拟环境OptorSim下与其他两种传统的算法进行比较。通过实验模拟表明,本文的模型算法要明显的比传统算法更适合于网格环境中保持副本的一致性。