一种改进 Apriori算法在高校课程相关性分析中的应用研究

结合学生成绩数据的特点,将数据挖掘技术和关联规则算法运用到学生成绩数据分析中,挖掘隐藏在成绩数据背后的专业课程间的相互影响与关联关系,优化课程设置,为教学管理工作提供决策信息支持和参考。     

基于资源分布规律的信息系统风险量化模型

为了实施信息系统的风险度量,首先基于信息流的资源分布规律,参考风险评估要素改进模型,得到具有体系性和完整性的风险分布;在获取风险分布后,基于资源保护角度,考虑安全保护等级,运用层次分析法、多级模糊综合评判、函数级数展开、F-统计量等方法和工具对资源的安全属性所面临的风险进行量化,给出系统的风险量化指标体系,重点考虑风险之间的相关性,构建相关性准则,并得到其计算量为o(Si)。     

考虑结算规则的多尺度市场耦合下梯级水电站中期运行风险分析方法

因为径流时空分布不均和不确定性,水电、火电为主的电力市场之间存在极大的不同,如何评估梯级水电参与电力交易风险是亟待解决的问题。该文结合西南某水电居主导地位的电力市场交易规则,构建了耦合月度交易和日前增量交易的梯级水电站参与市场交易的风险分析方法:采用Copula-Monte Carlo方法生成日径流和日前增量交易出清电价的组合场景,利用增强精英保留策略遗传算法计算所有场景的发电收益,获得给定置信水平下相应的条件风险价值。提出的方法综合考虑了径流、电价的不确定性,也计及了结算规则中各交易品种结算顺序和偏差考核标准,能直观求解收益风险值,过程简单、物理意义明确。以某电网梯级水电参与电力市场的实际资料为例,进行结果的仿真分析,结果表明所提方法可方便地求解交易组合风险价值,与单独考虑电价和径流相比能更合理的评估收益风险价值。     

关于教学规律的思考

我国教育学界对教学规律的研究存在在重理论思辨、轻教学实践、落后于时代发展的问题，没有起到对教学实践应有的指导作用。分析我国当前的教学现象，可以发现下列重要的教学规律：教师的教学水平决定教育质量的规律；评价导向规律；内因决定规律；成长差异规律；个别差异规律。     

基于磁盘存储1项集计数的增量FP＿GROWTH算法

随着数据集规模的不断增大,提高频繁项集的挖掘效率成为数据挖掘领域的研究重点。频繁项集的增量更新挖掘算法因其可以利用已挖掘发现的信息提高对新数据集的挖掘效率,成为重要的研究方向。但现有频繁项集增量更新算法大多基于APRIORI算法框架,性能提高有限。最近出现的建立在FP‐T REE等树形结构上的增量更新算法又往往存在树形结构调整困难、已发现频繁项集及树形结构保存效率较低等问题,算法性能有待进一步地提高。对此,通过分析增量挖掘过程中的关键信息,提出了一种基于磁盘存储1项集计数的增量FP＿GROWTH算法（IU＿FPGROWTH＿1COUNTING）。该算法无需保存临时树形结构及临时挖掘结果,可以在原数据集及支持度均发生变化时,减少FP＿GROWT H算法对数据集的扫描,提高频繁项集的挖掘效率。在生成以及真实数据集上进行了验证实验以及性能分析,结果表明IU＿FPGROWTH＿1COUNTING是一种有效的频繁项集增量更新挖掘算法。     

基于等价类规则树的高效关联规则挖掘算法

传统的类关联规则挖掘方法在挖掘完整的规则数据集时往往需要消耗很长的时间。为了解决这个问题,提出一种高效的基于等价类规则树的类关联规则挖掘算法。首先,通过分析等价类规则树挖掘类关联规则算法存在的耗时问题,设计一个树结构存储数据集的频繁项集;接着,基于这棵树推导出一些修正树上节点和减少节点信息计算量的定理;最后,利用这些定理得到一个有效的适用于挖掘类关联规则的算法。实验结果表明,与其他较为先进的基于等价类规则树的关联规则挖掘算法相比,所提算法更加高效。     

航班着陆调度的多目标优化研究

航班着陆调度问题是多目标优化问题,难以使用最优化方法求解。为了解决这一难题,以减少航班延迟时间和降低飞行延误成本为目标,提出一种整合的启发式方法。该方法使用吱呀轮算法SWO(Squeaky-Wheel Optimization)进行导向式搜索,并利用改进的GA充分扩展SWO的搜索空间,最后通过合理整合GA和SWO,取得求解效率和求解质量的提高。通过实验仿真对比表明该算法能高效求解该问题,满足了实时调度的需求,同时求解质量也优于其他启发式算法,节省了更多降落时间和成本。     

普适计算环境下基于情境的提醒服务自协调策略研究

由于老年人生理机能减退,针对老年人的提醒服务应用十分广泛.该类服务应考虑到老人的活动特征和环境特征才能提高服务效果,减少不必要的干扰.情境感知技术的发展为提醒服务的改进提供了契机,将情境引入到提醒服务的设计中,采用OWL本体方法构建领域内情境与服务知识的语义模型,以提醒服务平台的方式集成领域内提醒相关的设备与服务,并结合本体模型采用SWRL规则设计提醒服务的自协调策略,从而提高平台上不同提醒服务的自适应能力.通过模拟若干情境,采用Protégé和Pellet推理机验证了本体模型的正确性和协调规则的有效性.     

面向汽车产业链的云服务平台数据交换研究

针对汽车产业链大规模企业群的多源异构数据交换需求,提出了基于第三方云服务平台的数据交换解决方案。在分析数据交换交互关系的基础上,构建了一套通用的第三方 Web 服务数据交换授权认证机制。为解决数据交换内容动态可变的难题,设计了一套柔性化、动态可配置的数据交换规则框架。通过分析数据交换状态转移模型,研究了云服务平台与整车制造企业的数据交换过程体系。分析了交换过程的数据同步性与一致性问题,并采用算法给出了级联耦合关系数据实体的处理方式,保障了关联数据交换的完整性。应用表明研究成果解决了云服务平台与多源异构数据源的数据交换问题,支撑了汽车产业链大规模企业群的多业务协同信息交互。     

基于云计算的多路网络流媒体分布式最优存储与分配策略

针对云计算系统在执行任务过程中的能量消耗过多、处理速度不理想等情况,提出一种基于云计算的多路网络流媒体分布式最优存储与分配策略.通过构建基于云计算的数学模型来分析执行任务时的能量消耗情况,采用基于虚拟调度机制的分布式最优存储策略来实现在满足存储需求的情况下减少服务器进行存储时的能量消耗总量,最小化存储成本,并采用基于动态决策规则的分配策略来根据服务器的功率、性能以及负载情况进行任务调度,使云计算系统在满足服务质量要求的条件下,充分利用系统运作能耗,不产生过多空闲能耗.实验及结果分析表明,所提出的分布式最优存储与分配策略在节省能量消耗、提升运行速度上发挥了较好的效果.