人工神经网络在控制中的应用

介绍神经控制中用的比较多的四种网络,总结几种比较常用的神经网络控制器并稍带说明神经网络在辨识中的应用,然后简介ANN与其它智能方法相结合在控制中的应用形式,最后对神经控制中需要进一步关注的问题作了分析.     

用Turbo C编写中／西文DOS下的汉字菜单

本文介绍用Turbo C编写汉字的方法,用该方法编写的汉字可在多种中/西文DOS下运行。文中也对汉字菜单的编写技术做了讨论。     

数据挖掘:建模、算法、应用和系统

数据挖掘是20世纪末逐渐形成的一个多学科交叉领域,目前已经广泛成功地应用在金融、零售、医药、通讯、电子工程、航空、旅馆等有大量数据和深度分析需求的领域。文中对数据挖掘的建模、算法、应用和软件工具进行了综述,给出了数据挖掘的定义、范畴和特点,以及数据挖掘的数据集的各种实际情况;总结了数据挖掘在实际应用时的基本步骤和过程;对数据挖掘在各种应用问题上的任务和建模进行了讨论;列举了目前数据挖掘领域中主要流行的算法,并对算法设计需要考虑的问题进行了简要的分析;综述了目前数据挖掘算法在一些领域的应用;较全面地叙述了目前数据挖掘软件工具性能及其开发商情况;最后,对数据挖掘的发展前景和方向进行了展望。     

基于J2EE的奥运项目Web管理系统

设计了一个基于J2EE的奥运项目Web管理系统.使用了MVC结构将数据、专业逻辑、表达层、控制逻辑很好地分离开.在表达层中,Servlets通过HTTP和用户交互信息,传给中间层的专业逻辑层进行处理,并产生XML输出文件,最后使用XSLT将XML进行转换,送给不同的客户类型.在专业逻辑层中,使用一个有状态的session EJB来实现管理客户清单的逻辑操作,产品逻辑是通过一个entityEJB实现的.订购逻辑也有相应的EJB来完成.最后,完成了调度.     

针对有向图的局部扩展的重叠社区发现算法

当前社区发现算法主要是针对无向图研究社区结构,但在实际复杂网络中,链接关系时常表现出非对称性或方向性,比如Twitter的用户关注关系,文献网络的引 用关系,网页之间的超链接关系等应用网络。因此,本文依据信息在复杂网络中的传播规律和流动方向性,提出了k-Path共社区邻近相似性概念及计算方法,用于衡量结点在同一社区的相似性程度,并给出了把有向图转换为带方向权值的无向图的方法。基于带权无向图提出了一种从局部扩展来探测社区的重叠社区发现算法(Local and wave-like extension algorithm of detecting overlapping community, LWS-OCD)。在真实数据集上的实验表明,共社区邻近相似性概念实现了有向到无向的合理转换,而且提高了社区结点的聚集效果,LWS-OCD算法能够有效地发现带权无向图中的重叠社区。     

基于种子节点选择的重叠社区发现算法*

识别网络社区对于了解社会网络的结构和功能具有重要意义。由于网络中某些节点可能属于多个社区,因此重叠社区的研究已经吸引了人们越来越多的关注。本文针对目前从局部社区扩展成全局社区时有关算法的种子节点选择不合理的情形,提出了一种基于种子节点选择的重叠社区发现算法。本算法首先根据影响力函数找出局部影响力最大的节点,由这些节点构成的种子集合较好的分布在整个网络中,然后以这些种子点构造初始社区,根据设定的吸引度函数选择性添加节点来进行社区扩展。实验结果表明,该算法在真实网络上进行测试时能够有效的挖掘网络中的重叠社区。     

互联网股票新闻归类和板块分析的方法

从互联网角度研究和分析了股市新闻。针对互联网股市新闻的特点,提出了对它们进行分类分析的方法,通过对股市新闻的分析,期望能够找到股市运行的一些规律。在按照个股特征对网络上的股市新闻条目分类的同时,利用自然语言处理的功能,深入分析股市新闻内容,得到该股市新闻涉及的其他个股以及板块信息,并总结其影响力。     

基于J2EE的奥运项目Web管理系统

设计了一个基于J2EE的奥运项目web管理系统。使用了MVC结构将数据、专业逻辑、表达层、控制逻辑很好地分离开。在表达层中，Serv1ets通过HTTP和用户交互信息，传给中间层的专业逻辑层进行处理，并产生XML输出文件，最后使用XSLT将XML进行转换，送给不同的客户类型。在专业逻辑层中，使用一个有状态的scssionEJB来实现管理客户清单的逻辑操作，产品逻辑是通过一个emityEJB实现的。订购逻辑也有相应的EJB来完成。最后，完成了调度。     

个人房产管理的全国联网系统的设计和实现

设计了一个基于 J2 EE的个人房产管理的全国联网系统 ,使用了 MVC结构 ,将数据、专业逻辑、表示逻辑、控制逻辑很好地分离开。详细叙述了表达层和专业逻辑的设计与实现 ,完成了 J2 EE平台上应用的调度     

使用JNDI和JDBC技术完成海量数据移植

描述了一个使用 JNDI和 JDBC技术将海量数据移植到数据库的工程例子。由于数据量达 30 G,并存储于 2 0 0 0多个不同的目录中 ,需要使用 JNDI技术来遍历这些目录 ,找到数据文件 ,然后使用 JDBC完成数据移植的任务。