SAPBI数据上载性能的研究

SAP的商务智能（BI ——Business Inteligence）是一个流行的管理和决策的信息技术化解决方案。在实施中,有时会出现上载数据时性能不稳定的问题。文章将通过某企业SAPBI系统的实际案例,具体分析上述问题是如何产生的,并做深入的研究,着重说明如何通过有效的工具组合来实现一个有序、高效的数据广上载计划,使SAPBI系统的数据上载更加稳定,从而帮助用户有的放矢地解决问题,最终实现企业智能化管理并健康持续地发展下去。     

Web数据挖掘在个性化推荐服务的应用

随着Internet的迅速发展和普及,人们在网络上开展的活动也越来越多,尤其是电子商务的兴起,使得网上购物逐渐成为一种时尚.然而由于互联网上的信息量日益增长,人们面对这些庞大的信息感到无所适从,花费大量时间在搜寻信息上,因此如何为用户提供更好的服务变得非常迫切.本文以数据挖掘理论为基础,分析和探讨了关联规则挖掘算法并应用该方法实现web个性化推荐服务.     

基于混合建模的SoC软硬件协同验证平台研究

针对SoC片上系统的验证,提出新的验证平台,实现SoC软硬件协同验证方法。首先介绍SoC软硬件协同验证的必要性,并在此基础上提出用多抽象层次模型混合建模（Co-Modeling）的方法构建出验证平台。然后,阐述了此验证平台的优点,如验证环境统一、仿真速度快等,接下来介绍了验证平台架构及关键部分的具体实现。最后以一个实例说明此验证平台的可用性。此验证平台适于实现SoC软硬件协同验证,降低了SoC的验证难度。     

基于Map Objects的旅游规划管理信息系统的设计与开发

旅游规划与空间地理信息密不可分,建立其管理信息系统利于旅游区的综合管理与规划.在论述旅游规划管理信息系统开发方式的基础上,提出系统的总体结构和主要功能,确立旅游区数据库综合设计的方法,实现空间数据库与关系数据库的关联和信息数据的图形化显示.结合地理信息系统组件Map Objects,在VB平台上设计实现信息查询检索和统计分析、基本图层操作、旅游区空间分析等功能.时数据库的关联和专题地图制作的关键技术进行分析研究,并对核心代码进行描述.开发的系统经调试运行正常,可广泛应用于各类旅游资源的规划与管理.     

优化Elman神经网络用于网络流量预测

对量子粒子群优化(QPSO)算法进行研究,提出了自适应量子粒子群优化(Adaptive QPSO)算法,用于优化Elman神经网络的参数,改进了Elman神经网络的泛化能力.利用网络流量时间序列数据进行预测,实验结果表明,采用AQPSO算法优化获得的Elman神经网络模型不但具有较强的泛化能力,而且具有良好的稳定性,在网络流量时间序列数据的预测中具有一定的实用价值.     

蛋白质在硅烷膜表面吸附特性的压电传感监测

在压电石英晶片表面自组装修饰末端为胺基的硅烷膜,该膜在酸性和中性pH条件下带正电荷,可通过静电引力吸附带负电荷的牛血清白蛋白(BSA),吸附过程中的质量变化可通过石英晶片的谐振频率变化实时监测。结果表明:该吸附过程虽然为部分不可逆,但吸附等温线符合Langmuir方程,吸附速率常数为0.0117 L.g-1.s-1,吸附平衡常数为2.87 L.g-1,表观饱和吸附量Γ∞=0.954μg.cm-2。     

SVM+BiHMM:基于统计方法的元数据抽取混合模型

提出了一种SVM BiHMM的混合元数据自动抽取方法.该方法基于SVM(support vector machine)和二元HMM(bigram HMM(hidden Markov model),简称BiHMM)理论.二元HMM模型BiHMM在保持模型结构不变的前提下,通过区分首发概率和状态内部发射概率,修改了HMM发射概率计算模型.在SVM BiHMM复合模型中,首先根据规则把论文粗分为论文头、正文以及引文部分,然后建立SVM模型把文本块划分为元数据子类,接着采用Sigmoid双弯曲函数把SVM分类结果用于拟合调整BiHMM模型的单词发射概率,最后用复合模型进行元数据抽取.SVM方法有效考虑了块间联系,BiHMM模型充分考虑了单词在状态内部的位置信息,二者的元数据抽取结果得到了很好的互补和修正,实验评测结果表明,SVM BiHMM算法的抽取效果优于其他方法.     

磨矿过程的多变量模糊监督控制

针对磨矿过程的关键工艺指标-磨矿粒度难以用现有控制方法进行有效控制的难题,提出一种由模糊监督器、磨矿控制回路预设定模型和磨矿粒度预报器组成的磨矿过程多变量模糊监督控制(MFSC)方法.MFSC方法用于对磨矿过程进行监督,根据工况变化对回路控制器设定值进行调整.通过控制回路跟踪调整后的设定值,可将磨矿粒度控制在期望目标范围内.工业试验表明了所提出方法的有效性.     

BK-means:骨架初始解K-means

K-means是典型的启发式聚类算法,容易受到初始解的影响而无法获得高质量的聚类结果。骨架是近年来启发式算法设计的研究热点,它是指所有全局最优解中相同的部分,对于提高启发式算法性能具有重要意义。给出的骨架初始解K-means算法(BK-means)的基本思想是:首先利用K-means算法得到一组局部最优解(聚类结果),通过对局部最优解求交得到骨架簇。利用骨架簇构造骨架初始解及新的搜索空间。最后以骨架初始解引导K-means算法在新的搜索空间中搜索聚类结果。在15组仿真数据集和4组实际数据集上的实验结果表明,BK-means算法具有获得高内聚、高分离的聚类结果能力。     

MPlayer和Qtopia在嵌入式无线卡拉OK点播终端中的应用

主要介绍MPlayer和Qtopia在嵌入式无线卡拉OK点播终端中的应用:首先分析了MPlayer的体系结构,并在此基础上给出了将MPlayer移植到三星ARM9嵌入式平台的详细过程.介绍了在宿主机建立Qtopia和Qt/Embedded交叉编译环境的过程,并基于Qtopia和Qt/Embedded体系结构,设计了嵌入式无线卡拉OK点播终端的交互式用户界面.