国内教师专业发展阶段研究的热点及其演变——基于关键词共现网络的可视化分析

为探明国内教师专业发展阶段研究的热点及其演变特点,采用关键词共现网络分析技术对相关文献进行关键词提取和统计分析,并分4个时间段构建了高频关键词共现网络图。结果发现,国内关于教师专业发展阶段的研究还处于起步阶段,研究热点主要集中在"专家型教师"、"教师教育课程"、"阶段论"、"问卷调查"、"教学效果"、"培训者"、"实践性知识"等方面;从研究热点的演化来看,国内关于教师专业发展阶段的研究是视野越来越开阔,角度越来越多样,是一个逐渐探索、渐近科学的过程。     

山西电力骨干数据通信网优化方案研究

山西电力数据通信网是山西省电力公司信息化建设的网络承载平台,提出为了让这个基础平台能适应发展的需求,为山西省电力公司智能电网的建设提供强有力的支持,从网络拓扑、网络带宽、网络路由、网络安全四个方面对山西电力数据通信网进行了分析,并给出了优化建议。     

面向Blog 的社团结构发现研究

博客（Blog）作为一种全新的网络发布模式,在很大程度上增强了网络信息的开放性,吸引着越来越多的网络用户。Blog上的文章发表与回复信息隐含了用户之间可能存在的某种关系。通过社会网络分析（SNA）的方法对Blog用户（Blogger）在页面上的行为进行挖掘,有助于获得感兴趣的知识。文章提出了针对Blog发表回复的社会关系网络的构建方法以及对其进行社团挖掘算法的相关优化策略。     

网络分析应用中的公用信息模型

从能量管理系统应用的一个重要组成部分——网络分析应用的角度出发,介绍了网络分析应用的数据需求,讨论了公用信息模型(commoninformationmodel,CIM)对上述数据需求的支持,并进一步明确了3个问题:CIM模型库对于网络分析应用提供了哪些信息模型;这些模型应该如何使用;模型库在网络分析应用方面存在哪些不足。围绕上述问题介绍了5类模型(包括量测模型、保护模型、控制模型、拓扑模型和设备模型)及其在网络分析中的应用,展望了CIM在网络分析中的应用前景。     

网络分析中零阻抗支路的处理

在潮流、状态估计等网络分析程序中为区分负荷类型和确定某些开关中的潮流需设置零阻抗支路。通常的处理方式是用小阻抗支路代替零阻抗支路,经验表明在大多数情况下是允许的,但在某些情况下会加大计算误差和使收敛性变坏。因此,高质量的网络分析程序对零阻抗支路需采用专门的处理算法:一是合并其两端的母线,得到状态量后再设法分开母线;二是针对零阻抗支路列出方程和状态量,加入到网络方程中一起求解。这样处理零阻抗支路,既不降低计算精度也不影响收敛性。在华北、华中和华东的160～340母线系统的潮流和状态估计的模拟计算中取得了良好的效果。     

基于WoS数据的我国气象学者合作模式实证分析

基于近10年Web of Science数据库中大气科学领域论文数据,利用社会网络分析方法对大气科学研究领域的中国作者科研合作网络进行了探讨.使用UCINET软件分析网络密度、最短距离、小团体、中心性等计量指标,并选择度值较高的节点对其合作网络进行定性分析,识别出重要的领域专家和研究团队.得出的结论有：国内气象学者的合作群体相对分散,倾向于同一地域、相同院校机构的合作,合作规模和合作程度与国际相比仍有一定差距.     

基于组件式GIS网络分析与多目标遗传算法的城市中压配电网规划

城市中压配电网规划是一个多目标组合优化问题。通过组件式地理信息系统（ComGIS）平台建立规划区域的网络数据集,在此基础上使用多目标遗传算法进行优化。利用ComGIS平台的网络分析功能优化单环最优路径,简化了遗传编码,并根据编码特点设计交叉、变异操作,提高了遗传算法的效率。利用基于Pareto秩的个体适应度函数引导多目标遗传算法的进化方向,最终得到接近多目标优化问题Pareto最优解集的一组两端供电网络方案。所得规划方案集便于决策人员选择,并且有效结合了规划区域的地理信息,有较强的实际意义。对某实际系统的应用结果表明了文中所提方法的有效性。     

信息系统终端运维管理与网络运行可视化分析

六安烟草当前的网络已经建设的较为完善,但是网络中还是会经常出现一些疑难的故障。由于网络中有大量的业务在运行,所以保障网络安全、稳定、高效运行是目前六安烟草运维的目标,而要做到这样就需要能够透视网络,对网络的运行情况有一个详细的了解,能够及时发现并准确定位网络中行为不正常的终端,对入网设备进行准入控制等。通过网络分析的手段和终端准入技术相结合,由点到面,全面监控,使六安烟草的信息网络系统可以做到纲举目张。     

一种采用社团信息的链接预测方法

链接预测研究如何利用网络中已有的信息预测可能存在的关系链接,目前已成为数据挖掘领域的热点研究问题之一。社会网络中普遍存在社团（community）结构,社团对链接的形成有重要的影响,但在大多数链接预测方法中未得到深入研究。针对这一现象,本文提出一种新的链接预测方法,采用社团信息改进节点对样本的描述并在监督学习框架中学习和预测。在现实数据集FaceBook和ACF中的实验结果表明,加入社团信息的链接预测方法获得了更高的准确率。