基于web挖掘的个性化远程教学模型研究

提出一种基于web挖掘的个性化远程教学服务系统模型,重点阐述模型结构及功能,并介绍所用到的关键挖掘算法.该系统能充分利用网站上积累的web日记、学生行为及学习成绩记录等信息,通过数据挖掘技术发现用户频繁访问路径、频繁项目集及关联规则模式,自动调整学习者的学习计划和进度,呈现个性化的学习内容,创建自适应教学网站,满足各类学习者需要.     

遗传算法在超媒体系统中的应用

在超媒体系统中,不同类型的信息节点通过超链连接起来。将这些节点聚类是减少用户访问节点时信息开销的有效方法。本文将讨论遗传算法在建立基于超文本的用户路径之上的聚类算法中的应用。     

基于代理的资源请求中间件的实现

针对网格资源管理中资源请求问题,提出一种基于代理的中间件实现方案。用户作业信息和需求由客户端通过https协议传输给网格数据库,并触发网格资源请求代理做出相应的动作。基于代理的资源请求中间件负责查询资源信息服务器,为用户在整个网格中寻找合适资源,同时对用户提交的作业进行调度。网格服务端(资源提供方)动态向信息服务器注册资源信息,资源请求代理通过向信息服务器查询,可获取当前网格中的各种实时资源,也可以向网格服务端直接查询其当前的资源情况。对基于代理的中间件的工作机制和实现方法也作了说明。     

基于神经网络聚类的研究

提出了一种基于Kohonen网络的改进聚类算法,并给出了基于数据仓库平台的具体实现方案。通过对实例的聚类测试,对算法本身的若干指标进行了研究分析。     

基于Hadoop个性化推荐算法设计与实现

为了提升个性化推荐系统的大数据处理能力,选择基于用户聚类协同过滤的个性化推荐算法,并在Hadoop平台下实现算法的分布式并行化.离线状态下对用户物品矩阵降维,对用户进行聚类得到类别信息列表,对用户在类簇内进行推荐,并在相似度计算内引入物品贡献权重,最后对算法实现并行化得到推荐结果,实现基于用户聚类的分布式协同过滤推荐算法.最后对推荐结果进行测试分析,证明分布式个性化推荐有更好的推荐准确性和实时性.     

基于协同谱聚类的推荐系统托攻击防御算法

提出了一种基于协同谱聚类的推荐系统托攻击防御算法. 该算法首先使用谱聚类方法对协同聚类算法进行改进,以在用户和项目2个维度上同时进行聚类;接着在聚类基础上结合分级偏离平均度对用户进行项目推荐. 实验测试结果表明,在同等托攻击规模的情况下,该算法可以降低实施托攻击的用户和攻击数据对系统推荐结果的影响.     

基于QoS的按需服务发现过程研究

针对多个服务提供方提供相似Web服务的状况,在功能属性服务发现研究的基础上,尝试基于QoS的按需服务发现过程研究,其核心是先聚类后排序.首先利用FCM聚类思想将用户QoS需求信息和Web服务资源的QoS信息进行合并聚类,再通过相似度计算确定同一分类内聚类对象的次序,最后以一个算例说明了该过程可以根据用户的QoS需求发现服务.     

面向广域网的服务发现机制

提出了一种新的用转发服务请求方法实现面向广域网的服务发现机制RFSD。分布在广域网中的服务器结点组成一个树结构,每个结点保存其父、兄弟和子等相邻结点的地址;服务请求传输报文中附加一定的转发信息。每个结点收到服务请求时,首先对其进行匹配操作,在满足的情况下响应服务请求,在不满足的情况下对附加信息进行处理,并将服务请求转发到某个相邻结点,这种方法可以有效地实现广域网中的服务发现。     

基于竞争凝聚的个性化网页推荐

为了提高网站访问效率并得到有价值的个性化网页推荐,针对Web日志的新特性,提出了一种新的基于竞争凝聚的聚类算法.新算法对K-paths聚类算法进行了扩展和改进,按照路径的相似性进行聚类,采用竞争凝聚的思想,自动确定最佳的聚类数目.由于算法考虑了用户的访问兴趣,个性化网页推荐不打扰用户且不需要用户注册信息.利用关联规则得到个性化网页推荐集.用户推荐集和页面推荐集的结合大大提高了推荐效果,具有较好的扩展性.实验结果表明,与其他聚类方法相比该算法具有更高的推荐精度.     

基于用户聚类的二分图网络协同推荐算法

针对协同过滤推荐系统应用中存在的数据稀疏、可扩展性受限等问题,提出了一种基于用户聚类的二分图网络协同推荐算法.该算法在用户聚类阶段对二分图网络进行用户中心聚类,并获取用户聚类中心及其所在的群组,基于用户群组的评价信息为目标用户提供更广泛的推荐数据;在协同推荐阶段,围绕聚类中心及其所在群组为未评分项目完成预测评分,为用户推荐综合评分最高的Top-n项目.结果表明,该算法能够提升目标用户推荐的准确度,并能改善协同推荐的多样性.     

基于模糊聚类的Web用户聚类方法与实现

提出了一种基于传递闭包的模糊聚类方法,并应用于Web日志聚类中,实验结果表明,该算法能够有效实现Web用户聚类,并且能够避免陷入局部最优解。最后与模糊C均值算法进行比较,并讨论了算法的运行时间和错分率。     

云环境下基于用户偏好的粒子群优化算法的Web服务选择

针对当前Web服务的海量增加．而现有的服务选择算法低效以及粒子群算法在复杂的组合优化类问题上的不足,该算法分析用户对于Web服务的一些软性偏好,提出了一种在云环境下基于用户偏好的粒子群改进算法的Web服务选择．该算法通过对粒子分群映射、相似分群并行化简,同时利用模糊约束来表达用户的偏好,最终使得用户能够根据偏好从中进行选择．实验表明,该算法能有效减少执行过程@Web服务选择导致的时间开销,并提高服务选择的性能．     

基于领域本体的Web服务发现

Web服务应用的一个关键问题是如何发现需要的服务。传统的基于关键字的服务发现机制UDDI缺乏语义支持,搜索效率低。据此该文研究基于领域本体的Web服务发现技术,对发布服务和请求服务都采用OWL-S描述以支持基于语义的服务搜索能力,并且提出了一种基于图匹配的Web服务发现算法。试验结果表明服务发现方法在查准率和查全率方面都要优于UDDI。     

混合QoS聚类的服务组合

为了有效解决混合数据类型描述服务质量（QoS）和服务组合计划规模较大情况下的服务选择问题,提出一种基于多属性决策理论的混合QoS聚类的web服务组合算法(CHQoS_WSCA). 该算法不仅能够评估以实数、区间数、三角模糊数、直觉模糊数描述的QoS信息,还能有效解决组合计划规模较大时算法的性能问题. 介绍了一个新的web服务QoS模型,能够描述实数、区间数、三角模糊数、直觉模糊数表示的QoS信息和一种异构QoS聚合算法. 仿真实验结果验证了该算法的优越性和有效性.     

移动个性化信息服务中的用户兴趣模型挖掘

以移动终端离线浏览系统为基础，研究了利用数据挖掘的理论和方法如何得到准确描述用户兴趣的用户模型. 该方法首先对收集到的移动用户浏览新闻的行为进行分析，并且对这些新闻的内容进行聚类分析，通过挖掘算法得到用户的兴趣模型. 实验证明,该模型能较好地描述用户的兴趣，提高个性化信息服务的效率.     

基于XML的智能信息检索与聚类研究

目前Web上大多是非结构化的信息，检索主要是通过基于关键词的搜索引擎或目录浏览。近来，许多组织、团体、协会在Web上通过DTD／Schema定义XML(Extensible Markup Language)档，由于XML描述了结构化的信息，对XML文档的检索也与以往的搜索引擎不同。为此，本文设计了一个新的基于XML文档的智能信息检索原型系统XIIRC，给出了它的体系结构及功能，并对用户界面、索引机制、查询机制、检索结果概念聚类等问题进行了探讨。     

基于QoE的MIMO-NOMA系统功率分配方案

在多输入多输出非正交多址接入（MIMO-NOMA）系统中,衡量通信质量时仅仅考虑了用户的服务质量（QoS）,而没有考虑用户终端的满意度.为此,提出一种基于Stackelberg博弈的优化用户体验质量（QoE）的动态定价功率分配算法.在网页浏览业务场景下,用平均意见分数（MOS）值来衡量用户终端的满意度,将用户设置为买方,基站设置为卖方,小区内各用户从基站处以瞬时单位功率价格购买功率,提升其MOS值;同时,卖方基站不断调整单位功率价格,以实现自身最大化收益,最终达到Stackelberg均衡.仿真结果表明,所提算法与基于QoS的功率分配算法相比,在公平性上提升了22.73%;与传统的定价算法相比,在吞吐量和MOS值上有明显提升;与基于凸差规划的功率分配算法相比,在时间复杂度上有明显降低.     

基于云计算的多目标服务调度算法的改进研究

在研究现有云计算服务调度算法的基础上,设计了基于QoS的分布式多目标服务调度算法。该算法兼顾用户需求和系统整体性能,依据完成时间、费用、开销和负载均衡多个参数进行服务调度,从而获得较好的调度质量。仿真实验表明该调度算法能够满足云用户的QoS要求,调节云内各种设备的负载均衡,提高云计算平台运行效率。