基于页面分块与信息熵的评论发现及抽取*

提出了一种新颖的REA(Review Extract Algorithm)算法进行评论信息的发现与抽取.算法采用了页面分块与信息熵的迭代计算技术实现了评论块的自动发现与抽取.其中,页面分块技术的运用有效地去除了噪声信息;基于块的熵值计算精确定位了每一个用户评论.实验结果证明该算法具有较高的查全率与查准率.     

XML驱动的OLAP解决方案研究

OLAP系统应该能够集成常见的分析数据源,并提供对立方体的方便快速的建模,XML的潜在优势能很好胜任这一角色。论文首先介绍OLAP系统中XML应用角色及0LAPAPI的技术现状,在对现有OLAP产品研究的基础上提出开放OLAP系统应遵循的一般原则,最后结合Mondrian系统,给出一个基于XML的OLAP服务系统开发实例。     

改进遗传算法在多约束QoS动态组播路由选择中的实现

具有多约束QoS动态组播路由选择问题,实质上是一个NP完全问题.在参见文献[1-2]的基础上,提出了一种改进的遗传算法.在初始化群体阶段采用改进的深度优先搜索机制,克服了局部搜索能力差的缺点,在交叉、变异阶段采用类似罚值函数的方法,加快了收敛速度,同时用C 编程语言实现了遗传算法在多约束QoS动态组播路由选择问题.     

基于Web应用的全面功能点的改进

全面功能点（FFP）是一种应用广泛且使用方便的软件功能规模度量（FSM）方法,但其方法本身只能度量系统静态的方面,不能考虑到对象的交互性和对象的行为。根据COSMIC-FFP的度量元素和Web应用的结构,对COSMIC-FFP软件模型进行了改进,列出了针对Web应用的度量规则,并给出了实例说明了这些规则的使用。     

基于Windows Media技术设计与实现流媒体课件生成系统

为满足非计算机专业教师制作流媒体课件的需要,本文提出了一种基于Windows Media技术的流媒体课件生成系统解决方案:采取C/S和B/S两种网络计算模式相结合的技术路线,将整个系统的设计分成课件制作子系统和课件应用子系统两大部分,实现的系统具有架构合理、性能优良、安全易用等主要特色,为流媒体技术应用于远程教学发挥了积极作用。     

基于数据空间网格划分的PK 树索引结构*

在大规模高维数据挖掘研究中,数据存储与索引方法的有效性是决定算法时空效率的重要因素。将数据空间网格划分策略与高效率的树型索引结构结合起来,可以充分发挥两者在数据组织上的综合优势,将复杂问题转换为结构化的简单重复问题。在统一的框架下给出了各种数据空间网格划分的定义,讨论了两种适用于实现网格化数据索引的R树和PK树索引结构。试验结果表明,PK树在数据存储和索引上具有更高的效率,与网格化数据组织方法结合起来,对于降低大规模高维数据分析问题的时空复杂度具有重要意义。     

基于灰色预测可变裕度PID网络自适应算法

为了综合控制拥塞链路的队列长度,提高AQM系统对动态网络环境的自适应能力,提出了一种基于灰色预测和考虑可变裕度PID控制的自适应TCP网络主动队列管理。首先,建立相角和幅值裕度与网络参数相关的PID自适应主动队列(TCP/AQM)控制论模型,该模型可以根据网络参数的变化而动态改变控制参数,以提高AQM网络动态自适应能力,及系统的鲁棒性;其次,将灰色预测引入该模型,实现路由器队列长度的超前预测,补偿带有PID反馈模块的AQM算法给队列造成的时滞影响。与其他算法的仿真结果相比较,该设计算法能够使信息流在较短的时间内稳定在期望队列长度阈值附近。     

基于近似密度函数的医学图像聚类分析研究

针对医学图像数据难以用数学模型来表述和聚类的问题，提出一种基于近似密度函数的医学图像聚类分析方法．该方法采用核密度估计模型来构造近似密度函数，利用爬山策略来提取聚类模式．基于真实的人体腹部医学图像数据集的实验结果表明，该方法可以取得较好的聚类效果．     

软件质量的模糊综合评判研究与应用

通过软件质量的模糊综合评估实践，首先分析了原模糊综合评判算法模型中以“取大取小”运算而使评估过程中产生大量有效信息丢失并导致评估结果出现过于简单化、绝对化的不足和缺陷，进而重点研究如何在保留原模糊综合评估算法良好结构的基础上将“取大取小”运算转变为矩阵乘法运算的改造，并以此建立适应现代软件质量综合评估需求的新算法模型实施软件质量的可计算化评估，提高了软件质量评估的准确性、实用性和可靠性。     

模糊自适应算法在网络主动队列管理中的研究

为了改善由于RED算法控制的主动队列管理策略(AQM)系统引起网络响应时间过长,许多文献提出了基于P/PI控制器的AQM策略。但是,由于网络具有非线性特点,论文设计了一种模糊自适应PID控制器的主动队列管理系统,根据队列长度和队列长度变化通过模糊控制规则在线调整PID控制器参数,并用Matlab进行了仿真,验证了当网络出现突发分组时,该算法能够较快的使分组稳定在队列阀值附近,同时不产生队列震荡。