以素质教育为基础的计算机基础教学改革探索

本文从当前计算机基础教学的现状和素质教育的要求出发,结合深圳大学的实际情况,介绍我校在推行以素质教育为基础的计算机基础教学中所进行的探索和实践,探讨推行以素质教育为基础的计算机基础教学的思路和举措。     

基于粒子群算法优化的音频特征应用研究

在深入研究音频特征的基础上,提取响度特征和音调特征,并利用粒子群算法优化特征权重。提出一种对歌唱片段进行自动评价的方法,用于视频点歌系统的实时评分模块。实验结果表明,该系统能够反映演唱者歌声和歌曲原唱两者内容的相似程度,从而给出了有效的评分标准。     

基于异构粗糙神经网络集成的故障诊断研究

该方法不仅显著提高了神经网络的泛化能力，而且无需预先确定神经网络的拓扑结构，简单易用。设计了四种不同的诊断器在柴油机供油系统的标准样本集上进行的诊断测试实验，结果表明基于异构粗糙神经网络集成的故障诊断方法具有最好诊断正确率。     

一种基于高斯混合模型的无监督粗糙聚类方法

针对数据统计分布的随机性和复杂性,从统计聚类的角度出发,采用高斯混合模型来描述整个数据的概率密度函数,提出了一种基于高斯混合模型的粗糙聚类分析方法.该方法首先利用粗糙集理论的不可区分关系性质以及生成的逻辑规则来设定EM算法的初始近似参数,然后通过Expectation-M axim ization(EM)算法估计各分量概率密度分布的最大似然参数集,最后通过密度分布概率大小来确定类别的归属.与传统的k-m eans聚类算法的试验结果比较表明,该方法是有效的,并且具有较高的聚类精度,用规则集来描述聚类的结果具有可解释性和合理性.     

主题驱动的P2P分布式信息搜索机制研究

Peer—to—Peer（P2P）对于分布式文件共享具有很好的前景，但当前的P2P系统仍然缺乏有效的信息搜索机制．本文提出一种主题驱动的P2P信息搜索机制，通过对节点上的文档进行聚类获得全局主题，然后将包含有相似主题的节点组织到一起构成主题覆盖网络．当在P2P网络中进行信息搜索时，根据查询与主题的相关性路由查询，从而改善搜索效率．本文详细阐述了进行主题驱动搜索的索引结构、主题聚类方法、主题覆盖网络的构造与维护算法．在Chord上的模拟实验结果表明，主题驱动的P2P信息搜索机制可以减少信息搜索时的平均网络带宽和平均搜索路径长度，提高搜索的成功率．     

一种核心子集选择训练的大规模中文网页分类方法

针对Web页面分类方法一般只能处理小规模数据的问题,提出一种核心子集选择训练的大规模中文网页分类方法.该方法通过将支持向量机的最优化求解问题转化为等价的近似最小闭包球求解问题,使得只需选择数据集的核心子集参与分类器训练;并且,在特征选择阶段采用改进的基于词性的互信息特征选择模型,有效提高Web页面分类的大规模数据处理能力.在搜狗实验室提供的大规模Web页面数据集上进行了实验,实验结果表明不仅准确率可达到支持向量机同等的效果,且训练时间大大减少;而对不均衡类别数据的测试结果表明,该方法在处理不均衡类别数的Web网页分类上也能获得很好的效果.     

基于模数的WiMAX网络高负载自适应冲突解决算法

根据现有的部分研究结果发现,IEEE 802.16标准中使用的截断二进制指数后退算法在解决网络冲突时效率很低;并且当网络的负载增多时,该算法的运行性能更差.在此基础上,提出了一种基于模数的自适应冲突解决算法来优化WiMAX网络的冲突解决过程.该算法将所有用户站按照当前时间帧内的传输机会数量分为多个小组,并且要求用户站只能通过特定的传输机会发送请求.与此同时,为了保证整个网络的高性能,本算法要求基站和用户站根据上一轮请求过程中的平均冲突概率和传输机会使用率来调整当前时间帧内的传输机会数量,以及挑选部分用户站参与带宽请求,保证了WiMAX网络在高负载情况下的运行性能.模拟结果表明,本算法在WiMAX网络运行过程中能够较好地解决请求过程中的冲突,对网络性能提高较大.     

基于多面体的分布式WiMAX Mesh网络带宽调度算法

在轮询带宽调度和随机带宽调度两种经典算法的基础上,提出一种基于多面体优先列表的带宽资源调度算法来分析和优化WiMAX网络Mesh模式的带宽请求和调度过程.该算法通过为各个用户站构建不同的静态优先请求次序,避免或者减少了"带宽资源分配不均"现象,使带宽资源能够在网络局部得到优化调度,并扩展到整个无线网络.分析和仿真结果表明,本算法能够极大地改善整个网络的运行性能.     

基于倒排索引位运算的深度优先频繁项集挖掘

频繁项集挖掘是关联规则挖掘中的关键任务,非常耗费时间.为提高频繁项集的产生效率,提出一种基于倒排索引位运算的深度优先频繁项集挖掘算法(DF-FIMBII).该算法以二进制数组存储项目到事务的倒排索引,通过位运算计算两个项目的支持计数,并采用深度优先搜索策略递归地挖掘不同的k-频繁项集.在chess、mushroom、pumb_star、T40I10D100K等数据集上,对DF-FIMBII、Apriori、ECLAT、BitTableFI、Index-BitTableFI等算法进行了实验比较.实验结果表明,在数据规模不是非常巨大和支持度较小的情况下,无论数据集的稠密程度如何,DF-FIMBII均具有较好的时间优越性.     

基于Rough集潜在语义索引的Web文档分类

Rough集(粗糙集)埋论是一种处理不确定或模糊知识的数学工具。提出了一种基于Rough集理论的潜在语义索引的Web文档分类方法。首先应用向量空间模型表示Web文档信息，然后通过矩阵的奇异值分解来进行信息过滤和潜在语义索引；运用属性约简算法生成分类规则，最后利用多知识库进行文档分类。通过试验比较，该方法具有较好的分类效果。