基于半监督学习的K-均值聚类算法研究

定义了一个欧氏距离和监督信息相混合的新的最近邻计算函数,从而将K-均值算法很好地应用于半监督聚类问题。针对K-均值算法初始质心敏感的缺陷,用粒子群算法的搜索空间模拟聚类的欧氏空间,迭代搜索找到较优的聚类质心,同时提出动态管理种群的策略以提高粒子群算法搜索效率。算法在UCI的多个数据集上测试都得到了较好的聚类准确率。     

基于Linux的可信计算研究

随着Red Hat Linux的迅速发展,Linux系统安全中的可信计算问题显得日益重要,虽然Linux kernel从版本2.6.13开始已经包含了对可信计算的支持,并已有许多Linux项目开始支持可信计算。但可信计算包括的：认证密钥、安全输入输出、内存屏蔽/受保护执行、封装存储、远程证明概念这5个核心技术在一个完全可信的系统中仍是必须的。研究和应用可信计算技术在系统安全方面具有重要意义。     

数据挖掘在学生行为智能分析中的应用研究

对图像及数据信息的处理是计算机技术的重要组成部分,将图像处理技术、数据挖掘技术及网络技术综合应用到校内教育教学的过程中,对学生成绩及上课等行为进行分析研究,获取有效信息。通过对学生行为进行智能分析,目的在于能及早发现学生的不良现象,能有效地教导、教育学生,以此提高校园教育教学及管理质量。     

基于本体的信息检索研究

介绍了本体Ontology的概念和理论知识,提出一种基于本体的Web信息检索模型.该模型利用本体技术对Internet上的各类信息进行领域分类,规范用户信息检索模式,以达到快速、准确找到用户所需信息的目的.     

改进的G M(1,1)模型及其应用

分析GM（1,1）模型的缺陷,即背景值构造和初始值确定的不足,建立加权背景值和具有修正项的初始值,背景值权值和初始值修正项采用具有全局寻优能力的模式搜索法求解,实例证明模式搜索法优化的灰色GM（1,1）模型提高了预测精度。利用改进后的GM（1,1）模型对网络流量进行预测分析,结果显示改进的GM（1,1）模型优于普通灰色预测模型。     

针对资源调度问题的局部优化算法

由于现有局部搜索算法在处理数据量较大的受限资源工程调度问题时效果欠佳,提出了一种与FBI优化相结合的局部搜索方案--FBLS.FBLS利用问题的对称性,以局部搜索的解集为单位,在原问题与对称问题上交替进行优化.通过分析领域中解的合法性以及可能出现的重复情况,削减领域中解的数量,提高搜索效率.在PSPLIB的数据测试中,经FBLS优化所得到的结果已经优于所有非智能甚至大部分智能演化算法.作为一种通过局部搜索进行优化的方法,FBLS可以被灵活诮用于各种已有的智能算法框架求解RCPSP问题.     

基于多业务的队列调度算法研究

讨论了几种典型的调度算法,并在WRR基础上提出一种针对多业务的调度算法(MWRR),同时描述了算法的实现过程。该算法根据各队列的延迟时间比来动态调整队列的调度次序。MWRR算法能够降低多业务的端对端时延,为多业务提供更好的QoS保证。最后通过仿真,证明了该算法的优越性。     

基于PXE技术的重置系统SID网络实验室系统快速架设

介绍了重置系统SID的方法,阐述了PXE网络启动的设置和使用Symantec Ghost 10.0企业版实现计算机实验室软件系统快速架设的过程。     

中心点三角权白化函数的软件质量灰色评估模型

根据软件质量的多因素性和不完全性,指出以灰色系统方法评价软件质量的优点,分析已有灰色评估方法的不足．提出利用中心点三角权白化函数建立软件质量灰色评估模型,并对相关软件实例进行评估,为定量确定软件质量提供一种新的有效的方法。