基于反射原理的服务发现中间件SLRM研究

针对普适计算环境下设备的多样性和环境的异构性日益突出的问题,利用反射技术来实现具有高度自适应性和可配置性的中间件,结合普适计算的特点,设计了一种新型的基于反射原理的服务发现反射中间件框架SLRM,以构件方式构造了SLRM的服务发现及绑定模型,并通过反射策略实现服务的动态重配置,讨论了基于CORBA的SLRM实现关键技术.研究结果表明,SLRM能较好地适应动态变化的分布式环境和应用需求,在反射类型、反射的触发及平台构件化等方面具有特色.     

利用信任和社会网络的资源发现方法

为解决无结构对等网络中因恶意节点的欺诈行为造成的搜索不可靠问题,提出了利用信任和
社会网络(TSN)的资源发现方法;提出转发信任度、路由信任度和交易信任度的概念,用来
反映节点提供可靠服务的能力. 在节点选择朋友进行消息转发时,优先选择综合信任度高且
相关度高的朋友节点转发查询消息. 实验结果表明,TSN方法在资源搜索阶段有效屏蔽了恶
意节点,保证了请求节点获得服务资源的可靠性,提高了搜索效率.     

新课改下信息技术与高中数学的有效整合

整合必须与数学的学科特点相结合。信息技术在数学课堂教学的运用一定要紧扣教学目标和教学内容,要根据不同的教学目标和教学内容的特点去选择、运用不同的信息技术,充分发挥其在教学上的优势,不能把数学搞成电脑多媒体功能的成果展览。整合既要发挥信息技术的优势,又要发挥教师的主导作用,要与传统教学优势互补。     

基于专家系统的学习目标规划系统

通过对专家系统的研究,利用已获知的专家经验建立学习目标规划系统,为考研同学提供有针对性的进度安排。可以有效解决考生备考期间迷茫、没有合理规划等问题,结合学校师资力量及众多考研培训机构,整理出较为准确的专家经验,将其运用到该系统中可以实现针对不同性格、执行力、记忆力的同学输出合理进度安排。     

基于跨语言神经主题模型的汉越新闻话题发现方法

针对汉越跨语言新闻话题发现任务中汉越平行语料稀缺,训练高质量的双语词嵌入较为困难,而且新闻文本一般较长导致双语词嵌入的方法难以很好地表征文本的问题,提出一种基于跨语言神经主题模型（CL-NTM）的汉越新闻话题发现方法,利用新闻的主题信息对新闻文本进行表征,将双语语义对齐转化为双语主题对齐任务。首先,针对汉语和越南语分别训练基于变分自编码器的神经主题模型,从而得到单语的主题抽象表征;然后,利用小规模的平行语料将双语主题映射到同一语义空间;最后,使用K-means方法对双语主题表征进行聚类,从而发现新闻事件簇的话题。实验结果表明,所提方法相较于面向中英文的隐狄利克雷分配主题改进模型（ICE-LDA）在Macro-F1值与主题一致性上分别提升了4个百分点与7个百分点,可见所提方法可有效提升新闻话题的聚类效果与话题可解释性。     

微信息大数据粗糙集的近似约简

为了应对微信息舆情数据的格式复杂、价值稀疏和收集困难等大数据处理技术难题,基于隐含语义分析和粗糙集近似约简理论,设计微信息的数据区间值集和近似匹配分类算法.在不影响数据主要关联关系的原则下,提炼核心属性、消减次要属性,实现一种微信息异常主题倾向的发现方法.结果表明,该近似约简算法能在完成微信息兴趣倾向主题分类的前提下,将数据集属性大幅度缩减,提高微信息的信息挖掘效率,为微信息大数据舆情处理工作提供了新的思路和案例.     

布鲁纳“发现学习”理论对大学英语教学的启示

布鲁纳的"发现学习"理论在世界教育史上具有深远的意义,其主要观点覆盖了知识观、学习观和教师观,强调知识的结构性、客观性和简约性。将布鲁纳的"发现学习"理论应用到我国的大学英语课堂教学中,具有一定的现实意义的。     

基于真值发现的冲突数据源质量评价算法

针对目前冲突数据源的质量评价模型仅考虑了准确度与精确度2个方面,没有考虑数据源提供错误描述与提供空值对数据源质量会产生不同影响的情况,通过将数据源提供的错误描述定义为主动错误,并将数据源没有为实体提供描述定义为被动错误,从主动错误、被动错误2个方面建立数据源质量模型.该模型以敏感度、明确度代替了准确度与精确度;为了处理多真值问题,预先合并数据源对实体的描述,定义合并描述的包含关系及包含度计算模型;在包含度计算模型的基础上,提出基于描述包含度的冲突数据源质量评价算法(TFDQ).在通用数据集Books-Authors上的实验表明,与Vote算法、TruthFinder算法相比,TFDQ算法实验结果更接近真实情况.     

基于边分类的SVM模型在社区发现中的研究

社区发现是复杂网络研究的重要内容,也是分析网络结构的重要途径。分析了社区发现研究中存在的问题,提出了一种基于边分类的SVM模型。通过边顶点相似度和边介数来表示边的特征,从而构造分类函数。利用LFR生成社区结构已知的人工网络,通过人工网络数据训练基于边分类的SVM模型,对分类函数的参数进行估计,利用训练模型对真实网络进行社区分类并通过标准化互信息(NMI)和整体准确度来评价分类效果。实验得到了较高的整体准确度和NMI值。实验表明基于边分类的SVM训练模型对真实网络数据的社区划分有较高的准确度,表明该方法是可行的。     

基于多基准属性概化的知识归纳

在分析基本面向属性归纳算法不足的基础上,针对中药方剂数据挖掘的特征提出基于面向关联属性概化层次的优化技术及算法。根据中医理论为各关联的维度创建概化层次及概念树,利用关联属性阈值与多基准属性阈值的相关性以提高归纳概化的效率和发现知识的准确率。实现面向关联属性归纳的中药方剂知识发现分析系统。通过实验验证了新算法的有效性,在相同条件下较传统算法的效率提高了27%以上。新系统能更快发现符合中医理论的领域知识和规则。