网络选课系统算法分析及决策优化

对目前各高校中网络选课系统的常用算法性能进行分析比较,并针对目前性能相对优越的志愿分级筛选算法存在的不足,提出优化策略,从而进一步提高学生的选中机率及选课算法的合理性和激励作用。     

改进的基于权重优先的学生选课算法设计

随着我国高等教育学分制改革的深入,各高校相继实现了网上选课。但是由于目前学校教学资源有限,所以对课程的修读人数、修读条件都有一定程度的限制,而且由于学校管理模式不同、课程类别不同,所以使用的选课算法也不同。文章论述了基于权重优先的学生选课算法的分析与设计,该算法基本上实现了公平性、实时性和合理性要求。     

志愿选课算法分析与优化研究

本文针对志愿选课算法的不足,分析了该算法中存在因志愿选择不当而易造成所选课程脱选等问题,进一步对该算法进行优化,提出了基于权重的志愿选课算法。该算法分两步实现:首先,学生根据所列举的课程填写选课志愿,并统计每门课程各个志愿的填报人数;然后参考学生自身权重值进行抽签,进而生成最终选课结果表。该算法在选课中不仅结合了学生对课程的偏好和需求,同时参考了学生自身的权重值,从而保证了选课结果更加合理、科学。     

选课系统中抽签算法改进研究

针对目前选课算法中存在的不足,分析了传统抽签算法中存在缺乏人性化管理和随机不确定性等问题,提出了一种加权抽签算法思想。该算法在选课时分两步实现,首先进行预选课,然后根据选课结果中学生对课程的期望权值和学生自身的权值进行抽签,最终生成选课结果表。该算法在抽签时参考了课程期望权值和学生自身权值,从而保证了选课的科学性、合理性、公平性和人性化管理理念。     

决策树技术在学生选课系统中的应用研究

对于学校来说,选修课堂的教学效果主要取决于学生的兴趣变化以及教师的教学质量。若将决策树技术运用到选修课程系统设置当中,我们不仅可以对学生的兴趣爱好进行细致的分析,同时可以利用相关分析数据进行选修课体系的制定。本文将对决策树及其主要运用过程进行简要分析,并就其在在学生选课系统中的应用进行相关的探究。     

改进的否定选择算法在入侵检测系统中的应用

人工免疫系统中的一个重要的核心算法就是否定选择算法(Negative Select Algorithm),该算法用来生成成熟检测器,它是对免疫细胞成熟过程的模拟。否定选择算法的检测器是随机生成的,因此检测器集合冗余度高、对非自体空间的覆盖率低。针对这一问题,本文提出一种改进算法,通过对检测器进行二次筛选来降低检测器的重复率和冗余度。实验证明,在基于免疫原理的入侵检测模型中改进算法可以将模型的正确检测率提高10%,漏检率降低3%,该算法是有效的。     

协同过滤技术在高校选课系统中的应用研究

学生的兴趣爱好及个性化发展需求催生了高校选修课程的出现,但因技术上的局限性造成高校选课系统的功能并不完善。为了完善和优化高校选课系统的功能性,提高课程资源的利用率及选课质量,本文提出了将协同过滤技术应用于高校选课系统的方案,利用协同过滤技术来实现高校选课系统的个性化推荐功能,积极发挥选课系统为学生提供多样化服务的作用。在此,本文从分析协同过滤技术入手,进一步研究协同过滤技术在高校选课系统中的应用。     

基于Android的选课系统的研究与实现

论文实现了一个基于Android智能操作系统的选课系统。该系统使用方便灵活,实现了高校选课流程中的所有功能,为学生提供了利用手机、平板等移动终端进行选课的环境,有着良好的用户体验。本系统服务器采用开源的tomcat服务器,以MySQL作为后台数据库,网络数据交互遵照HTTP协议。最后,文章对系统的扩展及优化提出了一种解决方案。     

负载均衡技术在大规模选课中的应用

基于负载均衡技术和LSIP2100负载均衡设备的特点,介绍了LSIP2100与选课系统相结合的配置;结合我校选课系统的实际情况,阐述负载均衡技术在应对集中选课时的应用及具体实施过程。     

一种高效的业务流分类算法

通过分析单链路监测的流量特征和业务流监测分析需求,提出了一种高效业务流分类算法.算法把业务流分类过程分为三个阶段:第一阶段采用Hash方法,尽量分散流记录的分布;第二阶段可采用两种方式,一种是线性链表,另一种是查找树;最后一个阶段是线性查找.分别在两种不同型号的流量监测系统上实现了该算法,实验结果显示,当链表长度为300时,查找不成功并创建新的流记录和查找成功并更新流记录的时间分别为1.8 μ s和1.3 μ s,相应的业务流分类能力为55万和77万pps.     

基于模糊聚类和遗传算法的具备解释性和精确性的模糊分类系统设计

提出一种基于模糊聚类和遗传算法的模糊分类系统的设计方法.首先定义了模糊分类系统的精确性指标,给出解释性的必要条件.然后利用聚类有效性分析确定模糊规则数目,利用模糊聚类算法辨识初始的模糊分类系统.随后利用模糊集合相似性分析与融合对初始的模糊分类系统进行约简,提高其解释性;利用遗传算法对约简后的模糊分类系统进行优化,提高其精确性,该过程反复迭代直至满足中止条件.最后利用该方法进行Iris数据样本分类,仿真结果验证了该方法的有效性.     

一种基于大脑情感学习的快速分类改进算法

为了提高数据分类的快速性与准确性,本文在大脑情感学习（Brain Emotional Learning,BEL）模型的基础上,结合遗传算法（Genetic Algorithm,GA）,提出了一种基于GA-BEL的快速分类改进算法.BEL模型根据大脑中杏仁体和眶额皮质之间相互学习的神经生物学原理建立,模拟了情感刺激在大脑短反射通路中被快速处理的过程.因此,基于BEL模型的网络运算速度快.进一步采用遗传算法优化BEL网络权值,提高其分类正确率.在UCI数据集上的对比实验结果表明,无论对于小样本还是大样本数据集,较其他分类算法,GA-BEL算法均有较高的分类正确率和计算效率.     

基于高阶累量与神经网络覆盖算法的数字调制识别

提出了一种把归一化四阶累量作为分类特征参数，应用神经网络覆盖算法进行分类的调制识别算法。对MFSK信号的三种归一化四阶累量进行了理论推导，对几种不同调制方式的数字通信信号的三种特征参数随信噪比的变化进行了仿真，证明了高阶累量不受高斯噪声影响的理论结果。最后应用神经网络覆盖算法进行分类识别，得到了比较好的识别结果。     

Analysis of Distributed and Adaptive Genetic Algorithm for Mining Interesting Classification Rules

Distributed genetic algorithm can be combined with the adaptive genetic algorithm for mining the interesting and comprehensible classification rules.The paper gives the method to encode for the rules,the fitness function,the selecting,crossover,mutation and migration operator for the DAGA at the same time are designed.     

改进的RBF文本分类算法

分析了文本分类系统的一般模型及现有技术,在应用了核主成分分析的特征降维方法进行处理后,提出了一种基于样本中心的径向基( RBF)神经网络文本分类算法,并且引入了聚类算法的核心思想,来改进误差反向传播(BP)神经网络分类算法收敛速度较慢的缺点.实验结果表明, RBF网络与BP网络相比,具有较高的运算速度和较强的非线性映射能力,在收敛速度和准确程度上也有更好的分类效果.     

一种改进的最小二乘孪生支持向量机分类算法

提出了一种新的模式分类器,即广泛权重的最小二乘孪生支持向量机.该支持向量机在正、负两类样本上广泛地增加权重,很好地抑制了交叉噪声样本对数据分类的影响.其次,根据间隔最大化原理,该支持向量机在目标函数上增加了一个正规化项,实现结构风险最小化和避免在求解该目标函数时可能对病态矩阵求逆的处理.同时,提出了利用一种指数函数计算训练样本的密度来获得样本权重值的算法.该算法能够有效缩减计算权重的时间,且具有较强的鲁棒性.实验证明本文提出的广泛权重的最小二乘孪生支持向量机能够实现高精度和高效率的分类效果,而且特别适合于含有交叉噪声样本的数据集分类.     

基于遗传算法的准确分类规则知识发现

针对传统算法处理数据分类问题计算量大，易陷入局部最优解的缺陷，本文结合遗传算法的全局搜索特性，给出了基于遗传算法的准确分类规则知识发现方法。首先分析了用遗传算法进行分类规则挖掘的关键技术，给出个体编码、适应度函数的设计、遗传操作算子的设计；然后从理论上详细阐述了遗传算法的准确分类规则挖掘的方法；最后开发了基于JBuilder2006平台的仿真程序，从标准数据库中发现了准确的分类规则，实验结果验证了算法的有效性。     

LTE-A系统中比例公平调度算法的改进

在非连续载波聚合(高频+低频)场景下,载波衰减特性不同,聚合的载波有不同的覆盖范围,使得不同用户可调度的载波数量不同,若使用传统比例公平( PF)算法会导致小区不同位置用户资源配置的不公平性。本文提出了一种分组权重PF调度算法( GWPF ),根据用户可调度的载波数量,将用户和载波分组,并引入加权因子对原比例公平算法进行加权处理,从而提高用户公平性。仿真结果表明GWPF较PF算法有着更好的用户公平性和边缘小区吞吐量。