基于用户日志的查询扩展统计模型

信息检索长期存在着用词歧义性问题,在Web搜索上的表现更加突出.提出了一种基于用户查询日志的查询扩展统计模型,将用户查询中使用的词或短语与文档中出现的相应词或短语以条件概率的形式连接,利用贝叶斯公式挑选出文档中与该查询关联最紧密的词加入原查询,以达到扩展优化的目的.实验结果表明,该方法更适宜改进Web上的信息检索,相对传统的查询扩展算法可以大幅度提高查询精度.     

基于有向项集图的频繁集挖掘优化算法

关联规则挖掘是数据挖掘研究中一个非常重要的研究领域。文章利用有向项集图(DISG)来存储有关频繁项集的信息，提出了利用深度优先的策略进行搜索的频繁项集挖掘的优先算法UDBDG(Updated DFS Based DISG)。最后分析了算法在时间和空间上的复杂度并以mushroom数据库为例进行了试验。试验结果证明算法对于处理稠密集数据是有效的。     

中小规模低成熟度软件企业的项目风险管理

当今大多数软件开发企业规模不大且处于低成熟度水平,而现有的软件项目风险管理理论和实践,主要是针对大中型企业所从事的大型复杂项目.本文以已被检验了的风险管理理论为基础,充分考虑低成熟度企业的特点,提出了一套具有系统性、简捷性和易用性的风险管理方法,说明了程序化该方法的思路,并验证了方法的有效性.最后还说明了方法的优缺点及进一步研究的方向.     

基于云计算的电信运营商信息化转型战略研究

目前,由于信息科学技术的发展,人类已经进入到移动互联时代。这给电信运营商带来了发展机遇,业内竞争和互联网企业的OTT产品也使其面对越来越大的压力。为在复杂的信息竞争生态链中保持利润增长,电信运营商必须实施转型战略,才能使自己处于市场的有利地位。本文以基于云计算的电信运营商信息化转型战略为课题,进一步展开了讨论,以供同仁参考！     

基于人工神经网络的IT项目风险评价模型

[摘要]：首先本文在构建IT项目风险评价体系的基础上,提出一种基于人工神经网络的多指标综合风险评价模型。其次,利用神经网络的自学习和自适应能力,经过训练的神经网络系统能够将专家评价思想以连接权的方式赋予风险评价模型。最后,通过实际IT项目评价数据的验证,该风险评价模型能够准确地按照专家评价法进行工作。     

基于贝叶斯网络的软件项目风险管理模型

提出了一种基于贝叶斯网络的软件项目风险管理模型。随着软件项目的进行,该风险管理模型能够利用不断更新的项目数据持续地预测潜在风险,确定风险源并采取适当的应对措施降低风险发生概率。经实践检验,在软件开发过程中引入该风险管理模型能够有效地对风险进行管理,提高软件开发的成功率。     

神经密码学

神经网络是近年来得到迅速发展的国际前沿研究领域，它已成功地应用于许多学科领域。密码学是解决信息安全最有效的手段之一，是当代信息高科技热点。用人工神经网络解决计算机密码学中的问题，即神经密码学，不仅是神经网络的一个重要的应用研究领域，而且也是密码学理论研究的一个新课题。     

C&E、FMEA与DOE方法在6σ项目中的综合应用研究

为了在6σ项目中正确地选择影响关键质量特性的关键因子,并对关键因子进行深入分析,找到有效的质量改善方案,在介绍分析C&E、FMEA与DOE方法工作原理的基础上,用实例阐明了在6σ项目实施的M阶段如何用C&E矩阵从原因与效果的关联度、输出结果变量对顾客的影响度两个维度对输入因子进行量化评价的方法,以及用FMEA从失效模式的严重度、频度、探测度3个维度对初步选择的关键因子进行风险优先级评价的方法,并确定项目的关键因子;分析了在A、I阶段如何应用筛选设计、中心合成设计、响应曲面法,产生有效的DOE方案,量化关键因子的效果以及它们之间的交互作用,得出最优的改善方案;结果表明在6σ项目中合理地综合应用C&E、FMEA与DOE方法,可使6σ项目的实施取得良好效果.     

求解电路划分问题的混合式遗传算法

为了进一步降低超大规模集成电路设计的复杂性、增强图形可读性 ,提出了一种求解电路划分问题的混合式遗传算法。与传统遗传算法不同的是 ,该算法采用了顺序交叉和单元交换变异方式 ,同时对交叉概率和变异概率进行了优化设计。与K -L算法及传统遗传算法得出的结果比较 ,该混合式遗传算法在计算时间和划分结果上显示出其优越性     

基于TreeMiner算法的XML文档结构相似度量方法*

提出了一种基于TreeMiner算法挖掘频繁子树的文档结构相似度量方法,解决了传统的距离编辑法计算代价高而路径匹配法无法处理重复标签的问题。该方法架构了一个新的检索模型—频繁结构向量模型,给出了文档的结构向量表示和权重函数,构造了XML文档结构相似度量计算公式;同时从数据结构和挖掘程序上对TreeMiner 算法进行了改进,使其更适合大文档数据集的结构挖掘。实验结果表明,该方法具有很高的计算精度和准确率。