基于物联网的物流管理信息系统再造策略探讨

在分析我国物流管理信息系统现状的基础上,利用物联网的优势对现有物流信息系统进行再造,提出新型物流信息系统的再造策略,以实现安全、高效、可追溯的物流系统,对提高我国物流业信息化水平和物流服务水平具有重要参考价值。     

基于多优先级的动态阈值RED算法

提出一种基于多优先级的动态阈值RED算法(PDT-RED)。根据分组优先级和未使用的缓存空间动态调节平均队列阈值,实现对不同类型的分组采取不同的标记/丢弃概率的区分服务。为了提高缓存利用率,在该算法基础上提出优化算法(OPDT-RED)。模拟实验证明,与同类算法相比,OPDT-RED使高优先级的分组丢失率降低了56%~62%,平均分组丢失率降低了33%~41%,并且简单、易于实现,能提高缓存的利用率。     

基于上下文感知的移动Web服务

移动Web服务的目的是随时、随地为资源有限的任何移动设备提供信息服务。该文以一个移动旅游者娱乐系统为例,阐述移动Web应用服务系统的体系结构、主要组件对象之间的交互及用户个性化服务的实现。讨论上下文管理机制的功能、模型和相关实现技术,介绍其接口与WSDL的实现。     

一种新型高精度温度控制方法

为控制环境温度剧烈变化,对于精密仪器设备对温度精度和系统稳定性要求也随之提高,提出了一种参数自学习比例-周期控温算法,能够自动辨识系统参数和控制参数,并具有自学习能力。当环境温度快速变化时,可以采用相应的控制策略,达到理想的控制效果,适用于控制系统参数未知的场合,同时对环境温度的变化具有较强的自适应能力。仿真结果表明,算法控制精度高、自适应能力强,确实能够满足精密仪器设备对温度的精度和稳定性的要求。     

基于VC++ 6.0的多串口通信方法

介绍了实现多串口通信的基本方法,采用VC 6.0并结合定时器和多线程技术编写,提出了实现多串口通信的三种方法,给出了实现的方法和步骤,并对三种方法进行了比较.实践证明,这三种模型均有效地实现了多串口通信.     

浅谈高校计算机档案信息管理

档案管理现代化也必然是档案管理工作的发展方向和趋势.分析我国高校档案管理信息化发展现状的同时,提出了高校计算机档案管理的一些问题,指出其解决方案以及发展趋势.     

基于迁移判别回归的跨域语音情感识别

针对实际情况下训练和测试数据来自不同领域数据库导致识别性能下降的问题,提出了一种基于迁移判别回归的跨域语音情感识别方法。首先,引入最大均值差异和图拉普拉斯项作为域间联合距离度量,在减小概率分布差异的同时,很好地保留数据的局部几何结构,从而学习到一个可迁移的公共特征表示。其次,本文采用一种能量保持策略,以避免迁移过程中目标域信息的丢失。此外,通过引入判别回归项,利用已标记的源域样本在公共子空间中训练一个可迁移的判别回归模型。最后,为了使学习到的模型具有特征选择能力和鲁棒性,分别对投影矩阵和回归项施加L_2,1范数约束。在3个公开数据集上的实验结果表明,本文提出的算法相较于其他几种迁移学习方法具有更好的识别性能。     

SVGLR:全新的长读测序基因分型算法

文中基于三代测序数据提出了一种动态规划的基因分型算法。首先,根据改进的Needleman-Wunsch序列比对算法将基因组中所有变异的序列分别进行比对,根据比对矩阵生成用于分类的匹配向量序列。然后,提出序列分类算法,根据分类结果计算基因型,确定变异的合子性。在公开数据集上,使用该算法进行基因分型实验,实验结果表明该算法的精确率和F1指标均有所提高,有着较好的基因分型结果。     

融合用户信任度的概率矩阵分解群组推荐算法

利用推荐系统进行群组推荐时,群组成员之间的交互关系对推荐结果有很大影响,但传统的群组推荐算法较少考虑用户信任度的重要性,致使社交关系信息不能得到充分利用。在群组融合时考虑群组内用户间的交互关系,提出一种基于用户信任度和概率矩阵的群组推荐算法。在获取用户信任度数据后,使用概率矩阵分解（PMF）算法补全信任度矩阵并进行归一化处理,得到相似度矩阵,同时在后验概率计算过程中加入用户间的信任度因素,通过极大化后验概率获得预测评分。在此基础上,对群组中用户的权重进行归一化处理,使用基于用户交互关系的权重策略融合群组成员偏好,得到最终的推荐结果。在Epinions和FilmTrust数据集上的实验结果表明,该算法可使融合结果更具群组特性,同时提高推荐结果的可靠性和可解释性,且均方根误差和命中率均优于PMF、NeuMF、RippleNet等对比算法。     

利用置信度重取样的SemiBoost-CR分类模型

结合半监督学习和集成学习方法,提出了一种基于置信度重取样的SemiBoost-CR分类模型.给出了基于标注近邻与未标注近邻的置信度计算公式,按照置信度重采样,不仅选取一定比例置信度较高的未标注样本,而且选取一定比例置信度较低的未标注样本,分别以不同的策略加入到已标注的训练样本集,引入置信度高的未标注样本,用以提高基分类...