基于不同平台的后台通信程序的设计

串行通信是一种应用非常广泛的通信方式,在计算机应用中极其重要。但要实现可靠的串行通信,特别是后台通信,又非常困难,本文针对ＤＯＳ和Ｗｉｎｄｏｗｓ两种平台,给出了后台通信程序的设计技巧和调试方法。     

基于不同平台的后台通信程序的设计

串行通信是一种应用非常广泛的通信方式,在计算机应用中极其重要。但要实现可靠的串行通信, 特别是后台通信,又非常困难。本文针对ＤＯＳ和Ｗｉｎｄｏｗｓ两种平台,给出了后台通信程序的设计 技巧和调试方法     

改进的SVM解决背景知识数据中的类不平衡*

针对背景知识数据集中存在的类不平衡对分类器的影响,根据背景知识数据集样本量小、数据维数高的特性分析了目前各种方法在解决背景知识数据中的类不平衡问题时的缺陷,提出了一种基于分类后处理的改进SVM算法。改进算法引入权重参数调整SVM的分类决策函数,提高少类样本对分类器的贡献,使分类平面向多类样本倾斜,从而解决类不平衡对SVM造成的影响。在MAROB数据集上的实验表明,改进算法对少类的预测效果要优于传统的机器学习算法。     

一种基于无线传感器网络的三维定位模型

分布式无线传感器网络节点的定位是一个重要而基本的问题,在诸如搜救、目标跟踪、供应链管理、减灾以及智能环境等领域具有重要的应用价值.将节点分布在具体的应用环境中,利用节点构成自组网,不需要特定的通讯设施,就可以感知和传送周围信息.在建筑项目的管理中,材料管理在管理成本中占有很大的比例,通过在建筑材料上安装RFlD,可以比较容易地实时检测它们的位置,甚至可以检测材料的状况.这样在很大程度上提高了生产效率,降低了建筑企业的成本.基于上述原因,提出了一个三维环境下的节点定位模型,并特别地对定位误差进行了分析.该模型已经成功地在建筑项目管理中得到了应用.     

基于RFID路径数据的异常路径检测

RFID技术在物流、供应链管理等需要跟踪物品流动的领域的广泛使用产生了大量路径数据。路径数据描述了物品在RFID系统中的移动轨迹, 路径数据中每个节点同时包含地点和时间信息, 使路径数据比一般的序列数据更复杂。针对现有的序列数据异常点检测算法不适合处理路径数据的情况, 对路径数据的异常路径检测进行了研究, 提出适用于路径数据的扩展概率后缀树(EPST)模型和一种采用该模型检测异常路径的方法。该模型用来计算每个路径和路径数据集的相似度, 在计算相似度时主要利用了路径数据的“短期记忆”性质, 同时考虑了地点和时间信息对路径数据相似度的不同影响。实验表明提出的算法能够准确地检测出异常路径, 并具有较低的空间复杂度。     

K-means聚类与SVDD结合的新的分类算法*

为了提高支持向量数据描述(SVDD)的分类精度,引入局部疏密度提出了改进的SVDD算法。该算法提高了分类精度,但增加了计算复杂度。为此,先用K-means聚类将整个数据集划分为k个簇,再用改进的SVDD算法并行训练k个簇,最后再对获得的k个局部支持向量集训练,即得到最终的全局决策边界。由于采用了分而治之并行计算的方法,提高了算法的效率。对合成数据(200个)和实际数据的实验结果表明,所提算法较SVDD算法,训练时间降低为原来的10%,分类错误率较原来的降低了近一半。因此,所提算法提高了分类精度和算法效率。     

基于CSS模板的职位信息并行抽取系统设计

针对现有职位信息抽取方法由于缺乏自适应性和并行性,存在冗余度高和抽取效率低的问题,提出了基于CSS模板的方式并行职位信息抽取方法。该方法根据职位信息页面特点使用CSS路径抽取方法,并制定抽取模板解决抽取的准确性和自适应性,使用了MapReduce编程模型实现职位信息的并行化抽取。使用MD5算法计算已抽取得到的职位信息的MD5值,结合MapReduce并行计算编程模型的特性实现职位信息去重,最终将去重后的职位信息存储在分布式数据库HBase。实验测试结果表明,并行计算与传统的非并行编程模型相比在处理的时间效率和采集的职位信息量上都有明显的提高。     

基于密度的分布式隐私保护异常检测算法

现有的隐私保护异常检测算法大多是基于距离的,针对垂直划分的数据库提出一种隐私保护密度异常检测算法VPPDBOM.该算法基于密度异常检测算法(DBOM)的思想实现异常检测,利用垂直划分数据库中对象的邻域是其局部邻域交集的子集的特征,提高了DBOM算法中对象邻域的计算效率.同时基于半诚实模型,应用安全多方计算技术的安全和协议,安全交集协议实现隐私保护.理论分析和实验结果表明,该算法既保护了隐私信息又保证了性能.     

局部离群点挖掘算法研究

离群点可分为全局离群点和局部离群点.在很多情况下,局部离群点的挖掘比全局离群点的挖掘更有意义.现有的基于局部离群度的离群点挖掘算法存在检测精度依赖于用户给定的参数、计算复杂度高等局限.文中提出将对象属性分为固有属性和环境属性,用环境属性确定对象邻域、固有属性计算离群度的方法克服上述局限;并以空间数据为例,将空间属性与非空间属性分开,用空间属性确定空间邻域,用非空间属性计算空间离群度,设计了空间离群点挖掘算法.实验结果表明,所提算法具有对用户依赖性少、检测精度高、可伸缩性强和运算效率高的优点.