基于反射和数据绑定机制的WEB动态查询研究

本文在分析了利用基于Weblogic平台的JAVA反射机制和Workshop数据绑定机制开发WEB动态查询的优越性基础上,提出了一种解决方案.结合印染商务信息系统的实践开发为例,介绍了这种思想、方法的具体实现.     

基于Bézier曲线的地震数据三维可视化研究

针对三维地震数据资料处理和解释环节中的科学计算三维可视化问题,提出一种基于 Bézier 曲线的处理方法。通过对地震采样数据进行插值拟合或抽样取点的方式,使数据样本点的密度与成像效率保持在一定的范围内。根据地震数据信号变化规律,利用三次 Bézier 曲线插值的方式,将地震数据映射到相应的颜色向量空间,实现地震数据的三维成像处理,并在构建图像化过程中给出两种参数量化的方法。实验结果表明,该曲线插值方法的图像层次感明显,反映出的地质特征性更强。     

地震资料处理环境中数据写策略研究

在地震资料处理环境中,用户频繁地大规模地震数据写操作后,针对文件系统池中存在地震数据写与分布不均衡的缺陷,剖析地震资料处理流程,探讨分析各种常规地震数据写策略,提出了一种基于概率的地震数据写策略,以满足文件系统池在不同初始状态下地震数据写均衡与优化分布. 实验结果验证了其优越性.     

基于局部探测的快速复杂网络聚类算法

目前复杂网络的规模越来越庞大,且呈现天然的分布式特性,因此从局部观点出发提出快速网络聚类算法就成为迫切需要.为解决这一问题,本文基于对网络模块性函数Q的分析,推导出一个针对于单个结点的局部目标函数f,并证明Q函数随网络中任一结点的f函数呈单调递增趋势,进而提出一个基于局部优化的近线性网络聚类算法FNCA.在该算法中,每...     

科教融合的人工智能实践教学思政案例

针对现有课程案例思政元素融入流于形式,与专业知识对接刻板、僵化的问题,以人工智能课程实践教学为例,分析课程思政教育的根本目的,提出科教融合的课程思政案例设计方法,介绍基于情景教学、翻转课堂的线上线下混合教学的思政教育新模式,最后通过网上调查问卷、座谈会等形式说明课程改革效果。     

聚类集成方法研究

聚类集成通过对原始数据集的多个聚类结果进行学习和集成,得到一个能较好地反映数据集内在结构的数据划分。聚类集成能够较好地检测和处理孤立点,提高聚类结果质量。综述了聚类集成的相关知识,介绍了聚类集成的相关概念和优点;根据使用的聚类算法介绍了3种产生聚类成员方法,分析了各自的优缺点及适用条件;介绍了目前已有的一致性函数,阐述了其基本原理,并指出了其局限;最后讨论了未来的研究方向。     

复杂网络聚类方法

网络簇结构是复杂网络最普遍和最重要的拓扑属性之一,具有同簇节点相互连接密集、异簇节点相互连接稀疏的特点.揭示网络簇结构的复杂网络聚类方法对分析复杂网络拓扑结构、理解其功能、发现其隐含模式、预测其行为都具有十分重要的理论意义,在社会网、生物网和万维网中具有广泛应用.综述了复杂网络聚类方法的研究背景、研究意义、国内外研究现状以及目前所面临的主要问题,试图为这个新兴的研究方向勾画出一个较为全面和清晰的概貌,为复杂网络分析、数据挖掘、智能Web、生物信息学等相关领域的研究者提供有益的参考.     

复杂网络社区挖掘——-基于聚类融合的遗传算法

针对当前研究复杂网络社区挖掘的热点问题, 提出了一种基于聚类融合的遗传算法用于复杂网络社区挖掘. 该算法将聚类融合引入到交叉算子中, 利用父个体的聚类信息辅以网络拓扑结构的局部信息产生新个体, 避免了传统交叉算子单纯交换字符块而忽略了聚类内容所带来的问题. 为使聚类融合的作用得以充分发挥, 本文提出了基于马尔科夫随机游走的初始群体生成算法, 使初始群体中的个体具有一定聚类精度并有较强的多样性. 初始群体生成算法与基于聚类融合的交叉算子互相配合, 有效地增强了算法的寻优能力. 此外, 算法将局部搜索机制用于变异算子, 通过迫使变异节点与其多数邻居在同一社区内, 有针对性地缩小了搜索空间, 从而加快了算法收敛速度. 在计算机生成网络和真实世界网络上进行了测试, 并与当前具有代表性的社区挖掘算法进行比较, 实验结果表明了该算法的可行性和有效性.     

GPU架构下基于经验模态分解的地震瞬时属性并行提取算法的研究

从地震勘探资料中提取地震瞬时属性具有十分重要的意义,而基于信号局部特征的经验模态分解为非线性非稳定信号提供了一种全新的瞬时属性提取方法。对经验模态分解算法在GPU架构上的并行处理实现进行了分析和研究。通过实验对比测试表明,GPU架构下的算法运行效率较CPU具有明显优势。在测试数据中,GPU加速比最高达到了8.66倍。     

局部搜索与遗传算法结合的大规模复杂网络社区探测

基于遗传算法的复杂网络社区探测是当前的研究热点. 针对该问题,本文在分析网络模块性函数Q的局部单调性的基础上, 给出一种快速、有效的局部搜索变异策略, 同时为兼顾初始种群的精度和多样性以达到进一步提高搜索效率的目的, 采用了标签传播作为初始种群的产生方法;综上,提出了一个结合局部搜索的遗传算法(Genetic algorithm with local search, LGA). 在基准网络及大规模复杂网络上对LGA进行测试, 并与当前具有代表性的社区探测算法进行比较, 实验结果表明了文中算法的有效性与高效性.