基于模糊理论的煤矿企业核心竞争力综合评价

核心竞争力的评价是提升煤矿企业核心竞争力的重要依据,评价过程具有很多模糊性因素。在分析影响煤矿企业核心竞争力因素的基础上,运用模糊理论建立其综合评价模型,为煤矿企业核心竞争力做出定性评价。     

基于评价对象抽取的物流在线评论情感分析

对物流评论进行情感分析可以发现用户的投诉热点,有助于改善物流企业的服务质量.首先基于词性、评价词、评价对象的搭配规则、词频和PMI方法对物流评论中的评价对象进行抽取.然后,建立4种情感词库及评价词极性计算规则,计算物流企业评论的情感倾向性.结果表明:"四通一达"在速度、服务、价格等5个方面的情感倾向值存在一定差异,各企业可针对实际情况进行改进.     

煤矿事故案例本体知识库的构建及推理研究

针对煤矿事故案例知识组织、共享和再利用不足等问题,将本体引入事故案例知识管理中,研究基于本体的事故案例知识库的构建和推理技术。通过分析事故案例知识构建了事故知识表示元组和事故案例元本体。在此基础上,按照知识库模型和构建方法分别构建了事故案例本体库和规则库,从而完成知识库的构建。以瓦斯事故为例实现了基于煤矿事故案例知识库的知识推理应用。研究结果表明,利用所构建的煤矿事故案例知识库能够较好地进行知识组织和知识的自动推理,提高了煤矿事故案例知识的共享和重用。     

考虑交通状况的冷链物流路径优化

随着低碳经济的到来,绿色理念早已深入人心,考虑碳排放的冷链物流配送随之成为当今社会研究的热点问题。在配送过程中,车辆路径规划(VRP)是提高顾客满意度、保障货物新鲜度和降低配送成本的重要因素。针对目前研究中较少考虑交通状况对配送的影响,综合各种配送成本建立多目标优化的冷链物流配送模型。借鉴启发式算法的思想,针对ACO算法容易陷入局部最优和早熟收敛的弊端,设计改进ACO算法加强局部寻优,提高求解的精度,通过实验验证模型和算法的合理性与有效性。     

基于DF理论的巷道支护综合评价

巷道支护评价是指导巷道安全生产的重要依据,评价过程具有很多动态性、模糊性的因素。在分析影响巷道支护因素的基础上,运用动态模糊理论建立巷道支护动态模糊综合评价模型,模拟评价指标的模糊性和动态性,为巷道支护效果做出定性评价并反映评价结果的未来动态变化趋势。     

协同过滤中有影响力近邻的选择

数据稀疏性制约着协同过滤的推荐性能,为此,首先根据用户评分数量定义了用户的影响因子,在计算用户之间的相似性时,增加了影响因子衡量用户关系;其次,根据用户评分质量定义了有影响力用户群体.在此基础上,结合用户的评分数量和评分质量,使选择的有影响力近邻最大程度上作用于推荐过程.实验结果表明,所提方法能显著提高推荐性能.     

基于Web的高校学生选课系统的新设计

设计了基于Web的高校学生选课系统.该系统采用B/S三层结构、中间件技术以及大型关系型数据库管理系统,基本实现了高校学生选课的自主化.系统采用多级权限设置、使用触发器等措施来保证数据的安全性和一致性,具有一定的实用价值.     

Zigbee技术在矿井安全监控系统中的应用

在分析煤矿安全监控系统传统传输方式的基础上,阐述了基于Zigbee关键技术的矿井安全监控系统的研究意义,探讨了Zigbee传感器节点的硬件设计与系统软件设计,研究了Zigbee网络自组织路由算法、网关的设计以及系统集成方案。为矿井无线通信与安全监控问题提供了一套合适的解决方法。     

联合主题模型的标签聚类方法*

提升标签聚类的质量是识别标签语义的一个关键问题.文中提出基于资源的联合主题模型标签聚类方法.利用资源的引用关系,采用随机游走的方法获取资源的权威度分数,以此设置“资源-标签”和“资源-词”这2个二元关系的权重.在此基础上,构建基于资源加权的词与标签的联合潜在狄利克雷分布(LDA)模型,通过迭代学习,获取标签的潜在主题,并根据主题最大隶属度聚类标签.实验表明,相比其它基于资源的标签聚类方法,文中方法能获取更好的聚类效果.     

基于改进鱼群算法与张量分解的社会化标签推荐模型

基于大众分类法(folksonomy)的标签应用已逐渐成为一种重要的互联网内容组织方式,但随着数据规模的海量增长,产生了严重的信息过载问题,而传统的基于“用户-项目”二元关系的个性化推荐算法难以有效应对由“用户-项目-标签”所构成的三元关系。通过对基本人工鱼群算法进行改进,提出一种对标签推荐系统初始数据集进行聚类分析的方法,用以降低标签推荐系统的数据分析规模。在此基础上,综合考虑标签推荐系统中的元素权重以及反映用户偏好的评分信息,将元素权重和评分等级进行加权处理,以处理结果作为张量中的元素,建立了一种新的加权张量模型,并利用动态增量更新的张量分解算法进行模型求解,进而完成个性化的推荐。最后在两个真实的实验数据集上对比分析了所提算法(FTA)与另外两个经典标签推荐算法的推荐性能,实验结果表明FTA算法在准确率和召回率上均具有较好的表现。