基于传感器网络的K-均值聚类算法研究

现有的传感器网络数据处理系统只能向用户提供简单的查询操作,如何高效地处理传感器网络的海量数据流,从中获取有用的知识成为新的挑战.提出了一种基于传感器网络的分布式K一均值聚类算法,首先由中心点下发k个质心的初始值,各个节点将数据对象赋于质心距离最近的簇,并将簇的信息通过传感器网络逐层上传合并;然后中心点计算k个簇中对象的平均值,再下发,反复迭代,直到各个簇满足误差准则,得到最后的聚类结果.实验证明,该算法准确率较高,计算时间较短.     

结合递增式学习的CART算法改进

阐述了基于gini系数的决策树构造算法--CART算法.为了使算法能处理递增的数据,引入递增式学习方法,提出了一种改进算法.递增式学习的主要思想是测试函数提升.首先使用己有的数据用CART算法生成一棵决策树,然后使用递增的数据和递增式学习的方法来修改己有的决策树.最后从理论和实践两方面证明了改进算法的正确性和有效性.     

城市公共产品的歧视性分配

城市基本医疗卫生作为公共产品本应该由政府来承担,但是在新自由主义思想指导下的医疗改革把应由政府承担的责任推给了个人,使得个人基本医疗服务的获得与个人的收入成正比,从而偏离了公共产品的公共特性.     

实施弹性教学管理,构建创新教育环境

针对创新型国家建设对教育提出的要求,研究在创新教育背景下我国高等学校的弹性教学管理模式,探讨弹性教学管理的新机制.提出完善弹性教学管理、构建创新教育环境的措施和对策,促使教学管理不断适应创新教育的需要.     

基于传感器网络的关联规则挖掘算法研究

现有的传感器网络数据处理系统只能向用户提供简单的查询操作,如何高效地处理传感器网络的海量数据流,从中获取有用的知识成为新的挑战.提出一种基于传感器网络特性的分布式关联规则挖掘算法,采用树型通信结构,各个传感器通过改进的单一数据流频繁项集挖掘算法找出本地的局部频繁项集,并逐层上传、合并,最后由sink节点将所有子节点的局部频繁项集合并成全局的频繁项集,并产生相应的关联规则.实验证明该算法占用较少的计算时间和内存.     

高校教学分级管理信息化的研究

随着办学规模的扩大,目前各高校普遍将教学管理重心下移,学校仅对教学实行宏观调控、目标管理,而主要由学院对教学实行过程管理.为适应教育现代化的形势,提高教学管理效率和管理水平,满足这种分级管理的要求,必须加强信息管理.文章基于目前高校教学分级管理的现状,对教学运行分级管理信息化进行探讨,着重分析主要信息源的构成和模块实现问题.