全国计算机等级考试二级公共基础知识应试对策研究

本文从计算机二级公共基础知识部分的考核重点和考察方式等方面分析，总结了二级公共基础知识应试对策。     

改进的K-近邻算法在中文网页分类的应用

K-邻近算法作为一种比较简单,易于实现并且错误低的分类算法,广泛应用于网页分类、模式识别和数据挖掘等多个领域中.本文介绍了传统K-邻近算法并分析了该算法在网页相似度值的计算存在的不足,在此基础上,本文提出了基于类中心向量的K-近邻算法,通过理论分析和仿真实验结果证明了该算法对于中文网页分类具有较好的分类效果.     

一种基于社交网络友情度的个性化推荐算法

针对社交网络服务中传统个性化推荐系统的推荐性能和满意度低的问题,在分析社交网络服务中影响个性化推荐各种因素的基础上,引入社交网络用户关系亲密度度量方式——友情度及其三要素,并给出它们的计算方法。研究大型社交数据的用户主题兴趣和各类相似度,设计了一种基于友情度的个性化推荐系统,以提高社交大数据复杂环境下推荐精度及质量,提高用户对推荐结果的满意度。通过实验分析证实了所提出个性化推荐系统比基于PCC和JMSD算法等传统推荐系统的性能更优越,且推荐结果质量要高。最后给出了未来的研究方向。     

基于标签分组先来先服务的自适应帧时隙Aloha防碰撞算法研究

为解决射频识别系统中多标签碰撞问题及提高系统性能,在综合分析基于时隙Aloha协议多种防碰撞算法的基础上,提出一种基于标签分组先来先服务的自适应帧时隙Aloha防碰撞算法(TG-FCFS ADFSA).该算法通过对标签分组和先来先服务及帧时隙预约策略,自适应分配成功时隙来快速识别标签,极大地提高了RFID系统性能.MATLAB仿真结果证明:TG-FCFS ADFSA算法在标签数量越多识别优势越明显,特别是标签数量超过1 000时,该算法比DSFA,GDFSA算法标签吞吐率提高1倍以上,时隙开销降低50%以上,系统识别效率和稳定性明显提高.     

高职新生入学教育存在的问题及对策研究

高等职业教育和初等教育的主要区别在于学生学习方式、教学管理模式等的不同,新生在入学后,要面对以学校强制管理为主到自我管理为主的阶段转变,这些转变给他们的学习、生活、心理等多方面造成诸多影响。这需要新生尽快转变角色,适应新的学习生活环境。本文通过分析高职院校新生普遍存在的问题和"98后"大学生的特点,找出更具针对性、行之有效的新生教育管理方法,力求构建学生心理平稳转变和学校有效管理的平台。     

基于邻域粗糙集组合度量的混合数据属性约简算法

属性约简是一种重要的数据挖掘方法。为了对混合型信息系统达到更好的属性约简性能,提出一种邻域组合度量的启发式属性约简算法。邻域依赖度是构造混合信息系统属性约简的常用方法,根据粒计算的视角,在混合信息系统中提出邻域知识粒度用于评估属性的粒化能力。将邻域依赖度与邻域知识粒度进行结合,提出混合信息系统下的邻域组合度量,并将该度量方法作为启发式函数,提出一种属性约简算法。实验分析表明,该算法比混合信息系统的其他相关属性约简算法具有更高的约简性能。     

混合数据的邻域区分度增量式属性约简算法

增量式属性约简是一种针对动态环境下的数据挖掘方法.目前已经提出的增量式属性约简算法仅适用于符号型的信息系统,而很少有对混合信息系统进行相关的研究,这促使在混合信息系统下构建相关的增量式属性约简算法.区分度是用于设计属性约简的一种重要方法,本文将传统的区分度在混合信息系统下进行推广,提出邻域区分度的概念,然后分别研究了邻域区分度在混合信息系统下对象增加和对象减少时的增量式学习,最后根据这种增量式学习分别提出了对应的增量式属性约简算法.UCI数据集上的相关实验结果表明,所提出的增量式属性约简比非增量式属性约简能够更快速的更新约简结果.     

中文网页自动分类综述

该文介绍中文网页自动分类的研究状况;分析常用的特征提取方法并比较其在中文网页分类应用中的优劣,总结经典分类方法;简述分类评价指标;讨论目前分类系统。