基于扩充C/S的工程数据管理系统

文章介绍了一个基于扩充C/S结构的工程数据管理系统，详细讨论了系统的总体设计以及各部分的功能。该系统具有投资少、可扩充性好和适应性强的特点。     

考虑投资者朋友关系和预期效用的P2P借贷个性化投资推荐方法

随着互联网技术的快速发展,在线P2P借贷市场投资推荐已经成为网络金融领域的重要研究方向.对于P2P借贷市场潜在投资者来说,需解决的关键问题包括2个方面：1)如何选择真正符合自己投资需求和偏好的投资项目;2)如何将自己的投资金额在这些投资项目中进行合理分配.以往关于这两者的研究主要是侧重在借贷项目的违约风险预测、投资项目全局推荐及投资组合优化等方面.而随着研究的深入可以发现,仍在投资者效用无差异假设及投资者历史交易数据的基础上设计推荐模型,将难以满足不同风险偏好投资者的投资决策需求,保证推荐的有效性.鉴于此,1)基于Prosper平台历史数据建立P2P关联网络模型,并分别计算借贷项目和投资者的概念特征,得出相应的概念模型;2)进一步考察P2P关联网络模型中的投资者朋友关系,以捕获投资者之间投资行为的相互影响,发掘投资者投资行为的影响因子,并将其应用于借贷项目兴趣度的预测,以提高投资项目推荐的有效性;3)在此基础上,从预期效用理论出发,进一步考虑投资者风险偏好对投资需求的影响,建立个性化投资组合推荐框架,以提高其投资的满意度和经济性能;4)将其推荐结果与其他基准模型的推荐结果进行对比分析,以综合评价其推荐效果.在Prosper平台真实数据的基础上进行了详细的实验测试,结果表明:该方法相较于传统的投资推荐方法具有更好的推荐效果.     

基于核密度估计的RFID数据流清洗方法

近年来,RFID技术广泛应用于各种领域,如供应链管理、对象识别和物体追踪等.但是,由于受到各种环境因素和射频技术特点的影响,使得RFID应用可能产生"缺失读"和"交错读"现象.它们的存在使得RFID应用难以根据阅读器读取的原始数据作出正确决策.为此,针对"交错读"问题,提出一种基于核密度估计的RFID数据流清洗方法,以清除多读数据.该方法使用核函数估计每个标记对象在窗口中分布密度,并据此判定标签应位于哪个阅读器的检测范围.在根据真实数据分布特征所生成的模拟数据上进行了实验,结果表明所提方法是正确且有效的.     

Web 数据源选择技术

在Web数据集成的过程中,如何从大量的Web数据源集合中选择合适数量的数据源,使得在满足特定查询需求的前提下尽可能地减少所需访问的数据源数量,同时保持返回数据结果的高质量,成为Web数据集成中的一个热点问题.以近十几年的研究实践为背景,介绍Web数据源选择的研究沿革及现状,并对Web数据源选择方法进行了归类.分别讨论了基于相关性的和基于质量的数据源选择的研究动机、研究方法和研究成果等,并对相关研究的目标、关键技术、优点和缺点进行了对比分析;最后展望了Web数据源选择未来的研究方向.     

“操作系统”实验课程分层教学探讨

本文分析了我校"操作系统"实验教学的现状,针对存在的问题和课程实验教学改革的要求,提出了分层、分阶段的实验构想,以逐步引导和激发学生学习热情,并调动学生积极思维和提高创新能力。     

门式起重机司机计算机仿真培训系统的设计

为了缩短培训时间、减低培训费用和提高教学质量,我们拟开发一个进行门式起重机司机培训的计算机实时仿真系统。本文简要介绍该系统的功能、总体结构、系统运行环境和支撑软件等。     

安全的乐观实时并发控制策略

首先在分析嵌入式实时数据库安全要求的基础上，给出了一个三层安全控制模型。然后提出一种安全乐观并发控制策略。该策略采取向前验证策略检查是否发生冲突，当事务执行到验证阶段，当可能出现违背安全要求时，则分别计算提交或天折被验证事务所引起违背安全及实时要求的严重程度，以决定是否提交或天折被验证事务。该策略具有较大的灵活性，用户可根据系统的安全要求和实时特征动态调整产生隐通道严重程度及超截止期严重程度的权值以适应不同要求。     

移动分布式实时事务实时原子提交

形式地给出了移动分布式实时事务实时原子提交协议的定义,在此基础上提出了适合于移动分布式实时事务的实时原子提交协议：一阶段实时原子提交协议(1PRACP)。1PRACP通过参与者与协调者的一次消息交换,在一个阶段完成移动分布式实时事务提交活动;结合超时恢复处理协议,1PRACP能避免由于站点故障或网络通信链路故障而导致的阻塞。对1PRACP进行了性能比较和评测,显示了它在各方面的优越性。     

注意力感知的群组Next事件推荐策略

近年来,基于事件社会网络（EBSN）逐渐成为人们寻找感兴趣事件的有效途径,如何将事件精准地推荐给有需求的用户已成为该领域的重要主题。下一个项目推荐能够捕获用户的动态偏好,在电子商务等领域取得较好推荐效果。然而,鲜见有关EBSN中的面向群组的下一个（Next）事件推荐研究。主要研究面向群组的Next事件推荐策略,但由于群组偏好会发生动态变化,且事件生命周期短、新事件冷启动等问题使得针对群组进行Next事件推荐变得更加困难。首先,针对群组偏好会随时间发生动态变化的特征,将群组与事件的历史交互划分为多个时段。考虑到划分后群组成员数据变得更加稀疏,不利于群组偏好建模,采用基于参与度的排序策略提取当前时段核心成员的成员偏好,并利用注意力机制融合出群组静态偏好。然后,通过序列模型将各个时段的静态偏好融合得到群组动态偏好。最后,将事件推荐视为多标签分类问题,即将上下文看作事件的多个标签,通过预测各个上下文的概率分布以匹配事件,从而有效缓解新事件冷启动问题。实验结果表明,所提出的推荐策略具有较好的性能。