基于工作流技术的远程教育系统的架构分析与研究

本文对数据挖掘和工作流技术在远程教育中的应用进行了研究探讨,构建了一个在理论上和技术上可以实现的系统结构,用以支持网络环境内的协作学习.该系统针对网络环境内难以控制的群体讨论学习过程,使用数据挖掘技术分析讨论模式,同时使用工作流技术控制讨论过程.该系统不但对学生的学习能够起到引导、规范的作用,同时对教师指导、评估学生的成绩提供了很大的帮助.从而有效地提高了网络环境下教学的可控性和规范性.     

带禁忌约束的频繁模式并行挖掘研究

频繁模式挖掘技术在关联规则发现方面运用得十分普遍,已逐渐成为数据挖掘领域的研究热点之一。研究人员发现传统的频繁模式挖掘算法在挖掘过程中会产生大量的中间数据和用户不感兴趣的结果数据。这些数据在计算和存储方面的开销,对如今迅猛发展的海量数据挖掘来说无疑是一个挑战,严重影响了挖掘效率和准确性。针对这个问题,文章结合当下流行的Hadoop技术,对传统频繁模式挖掘算法进行分析和研究,提出一个带禁忌约束的频繁模式云挖掘算法模型。该算法模型利用Hadoop框架技术,对频繁模式挖掘过程中的模式长度和属性进行禁忌约束,分布并行地完成挖掘任务。实验结果显示,该算法模型在海量数据挖掘方面比传统算法更有优势。     

工作流建模技术在出版信息系统中的应用

工作流建模非常复杂,目前还没有一个专门的建模工具满足工作流建模的要求,在探讨和总结当前比较流行的几种工作流建模方法优劣的基础上分析了工作流网技术,最后将该技术成功应用在出版社的工作流过程建模中.     

基于工作流的构件组装技术研究与应用

研究了软件复用技术、构件技术和工作流技术的理论,以及运用构件、构件库进行构件组装的方法.通过对工作流技术和构件组装技术原理、方法的研究,提出了基于工作流的构件组装技术体系结构.讨论了某生物医药园的进销存管理系统的应用背景和总体目标,提出了基于工作流的构件组装技术实施软件项目的开发流程、体系结构和解决方案.     

基于工作流技术的事件处理机制研究

本文提出了一种基于工作流技术的事件处理机制,将实际管理流程抽取为事件模型及事件处理流程,引入工作流技术对事件处理的流程进行管理。该方法结合了事件模型和工作流技术的优点,可以对企业的流程管理提供一个简单有效的解决方案,最后通过实际应用证明该方法的有效性和可用性。     

基于CentOS的Hadoop分布式集群的构建方法研究

阐述Hadoop分布式集群的系统环境和节点规划,详细分析了主机名修改、密码验证配置、多个配置文件修改等关键步骤和技术要点,总结了基于多台Cent OS服务器部署Hadoop分布式集群的方法,并在该集群上运行单词统计的程序,测试验证了Hadoop分布式集群下大数据处理的运行结果。     

一个基于XPDL的工作流建模工具的设计与实现

工作流建模是实现工作流管理系统的第一步,工作流建模的好坏直接影响到工作流管理系统的性能,要保证工作流管理系统的运行,就有必要建立一个高质量的工作流建模工具．为了提高工作流建模工具的质量,从工作流建模的准确性、通用性和方便性出发,采用有向图建模方法,运用VML、XPDL、XSLT等技术,设计和实现了一个Web模式下通用的可视化工作流建模工具．     

面向Hadoop的云计算核心技术分析

在企业以海量数据处理能力为核心竞争力之一的时代,云计算技术的出现为此提供了良好的解决方案。首先,研究分析了云计算技术的开源实现Hadoop的核心内容:分布式系统文件HDFS和MapReduce算法模型;然后,通过实例阐述了面向Hadoop的分布式云计算平台的构建,证实了Hadoop是一个更容易开发和并行处理大规模数据的分布式云计算平台;最后,对如何实现Hadoop的高可用性和高效性进行了展望。     

基于面向对象与Web技术的工作流管理系统研究

介绍了工作流概况和参考模型,提出了一种面向对象方法的工作流模型实现方案,并给出了类设计图。通过对工作流发展现状与趋势的分析,结合Web和CORBA技术,得到了一个支持系统可重构、软件可重用、规模可扩展的基于Web的工作流管理系统模型。     

基于工作流的请假审批系统的设计与实现

文章从请假审批系统的建立与实施出发,提出了建立一套基于工作流技术的审核系统的方法,讨论了采用工作流技术来改进传统的审核系统。     

基于Mahout的个性化推荐系统架构

针对互联网企业的实际和用户需求,构建一种基于Mahout的个性化推荐系统架构。通过分析网站的数据特点,将数据分为静态数据和动态数据。当数据量不大时,根据数据特点选用Mahout单机内存推荐算法进行计算;当数据量很大时搭建分布式集群,将业务系统的静态数据定时地增量导入到Hadoop的HDFS中,然后用Mahout分布式推荐算法访问HDFS。计算后的结果,保存到业务系统的数据库中,与动态数据合并作为在线响应的输出。实验证明该方案可以绕过海量数据的高并发在线分析的问题,有效地缓解系统响应时间的压力。     

基于MapReduce的频繁项集挖掘方法

为了改进关联规则挖掘的经典Apriori算法,设计一种基于Map/Reduce的频繁项集挖掘方法。通过搭建Hadoop平台,可使该方法得以实现,并籍此对该方法与Apriori算法的性能进行比较研究。实验结果表明该方法在对大数据集进行频繁项集挖掘时,可充分利用云计算的优势,从而能获得更好的时效性。     

基于云计算及数据挖掘技术的海量数据处理研究

主要介绍了在HADOOP平台下使用优化的SPRINT算法进行海量数据处理。首先介绍了传统的数据挖掘算法SPRINT算法,然后结合云计算中的MapReduce编程模式对SPRINT算法进行改进和优化,将并行的sPRINT算法移植到HADOOP平台下,最后通过实验实现分布式数据处理。     

基于频繁活动集序列编码业务过程预测性监控

业务流程预测性监控是过程管理的重要内容,已有的研究大部分是基于显式的工作流模型进行预测.但是在实际应用中,企业可能并没有对整个过程实施端到端的工作流建模和管理,或者由于权限原因只能够获得部分执行日志,难以基于完整的业务流程模型进行预测,对此,提出了一种基于频繁活动集的序列编码处理日志中的低频活动,并通过搜寻历史相似数据进行预测的方法.该方法能够随着日志的更新适应由于概念漂移导致的模型改变.在真实的数据集上进行的实验结果验证了算法的有效性.     

一种基于Hadoop的大规模Internet频繁闭图挖掘算法

针对当前单机模式下频繁闭图挖掘算法无法处理大规模Internet数据集的问题,通过改进Apriori算法,提出了基于Hadoop的迭代式频繁闭图挖掘算法AMR（Apriori based on MapReduce）。首先将动态网络的边集存储在键值表中,并设计了序列化子图编码方案以确保频繁子图的唯一性;然后提出了一种传递子图编码的通信机制,通过整合每个分片的支持度得到全局支持度,从而确保了频繁闭图的准确性;最后通过剪枝得到动态网络的频繁闭图。将AMR算法分别运用于国家级和AS级Internet的动态网络中,结果表明,频繁闭图能够准确表征Internet骨干网络的拓扑结构,说明AMR算法能够快速且有效地挖掘大规模动态网络的频繁闭图。     

基于数据挖掘的6σ管理方法研究

提出数据挖掘技术可以作为6σ管理方法的补充，通过分析大量质量数据，找出企业流程改进方面深层次的信息，从而有效指导流程改进。从6σ管理分析步骤中添加数据挖掘工具库入手，构造融合数据挖掘技术的6σ管理流程图。     

延迟光照算法对Hadoop集群渲染系统的改进与实现

针对集群渲染系统在三维场景文件输出过程中,海量数据处理以及存储的问题,利用Hadoop框架对现有系统进行分布式模型改造,以基于延迟光照算法的处理方式,对分布式存储和计算的业务逻辑结构部署,实现改进Hadoop集群渲染系统对任务的处理策略,提供高容错、可靠的存储和海量计算数据的方式.通过实验证明改进的Hadoop集群渲染系统可以提高系统利用率和任务处理能力.     

基于活动的工作流关键路径算法

计算关键路径是研究工作流时间问题的重要步骤,现有算法大多是基于工作流控制结构的规约与化简的,对工作流模型要求较高,不能计算控制结构的"部分覆盖",限制了其应用.首先给出一个描述活动延迟的工作流模型,然后将工作流网看作一个M/M/1队列网,讨论工作流活动在各种结构中的到达率与时间延迟,提出一种基于活动的关键路径算法.算法降低了对工作流模型结构的要求,解决了控制结构"部分覆盖"的计算问题,提高了算法的实用性.     

基于云计算平台的代价敏感集成学习算法研究

针对现实生活中大规模不平衡数据的分类问题,设计了一种基于云计算平台的代价敏感集成学习分类算法。Hadoop云计算平台对海量数据进行划分用于并行学习,同时结合代价敏感的思想对学习得到的基分类器进行加权集成,实现了云计算平台上的代价敏感集成学习分类模型。仿真实验表明该模型能够明显提高少数类的查全率,同时Hadoop的并行机制使得云平台坏境下的集成学习时间较集中式环境有大幅度的缩减,进一步提高了大规模不平衡数据分类问题的学习效率。