一种工作流模型数据正确性验证策略

工作流模型中的数据正确性验证策略是工作流迁移领域研究的重点,目前,针对工作流数据正确性的研究结论还比较少,基于此,本文对工作流模型中的数据正确性验证策略进行了研究,并且提出了一种可行的验证策略。     

加味五味消毒饮联合医用护肤品治疗面部激素依赖性皮炎40例

目的:观察加味五味消毒饮联合医用护肤品治疗激素依赖性皮炎的临床效果。方法:选择80例激素依赖性皮炎患者,随机分为对照组和治疗组各40例。对照组予口服盐酸左西替利嗪分散片,治疗组予医学护肤品联合加味五味消毒饮,评估两组的皮损情况和临床症候。结果:治疗组总有效率为95.00%,高于对照组65.00%,差异有统计学意义(P<0.05);第8周末对照组的复发率为60.00%,而治疗组为12.50%,差异有统计学意义(P<0.05)。结论:加味五味消毒饮联合医学护肤品治疗面部糖皮质激素依赖性皮炎效果良好,不良反应少,值得推广应用。     

G比特Wi-Fi登上中央舞台

无线芯片将会让一个梦想变成现实,那就是:Wi-Fi将步入G比特时代如果你参加了2012年的消费电子展,你就会发现,厂商展示的产品或解决方案涵盖了两种Wi-Fi频率:5GHz—最终将支持802.11ac标准;60GHz—将最终支持802.11ad。前者能够达到每秒1.3G比特的传输速率,而后者则是7G比特。这意味着,无线传输将与千兆光纤相媲美。不管是802.11ac还是802.11ad,正式的IEEE标准还尚在制定中,并且会     

基于Spss的大学生“手机管理”心态的统计分析——以广西民族师范学院为例

大学生"手机依赖"现象比较普遍,严重影响课堂秩序和课堂纪律,阻碍学生和老师有效利用课堂,不利于整体教学质量的提高。对大学生对学校在课堂上实行手机管理的心态进行调查,采用交叉表和独立性检验、协方差分析等统计方法来考察手机对课堂的影响程度和手机依赖程度是否对实行手机管理的心态有显著性影响。     

马尔科夫跳变系统的时滞依赖L2-L∞滤波设计

本文研究带有时滞的Markov跳变系统的L2-L∞滤波问题，其中跳变参数以离散马尔科夫链的形式给出．设计出满阶与降价的滤波器，使得误差系统满足一定的L2-L∞性能指标．本文时滞依赖的方法，以一系列严格的矩阵不等式的形式给出了滤波器存在的充分条件．并以一种统一的形式给出了滤波器的参数．最后，以一个数值实例验证了结论的有效性。     

基于PC集群机并行图形绘制技术的研究

由廉价PC机组成集群机的并行图形绘制系统具有高性价比、扩展性好、升级方便、适用面广等诸多优点。为此，本文结合近几年来这方面的研究成果，探讨基于PC集群机的并行图形绘制技术。     

面向实时海量数据流的数据聚类

针对海量实时数据流,提出了一种基于密度和网格划分相结合的聚类算法.首先对数据空间进行划分,判断每个单元格中数据点的属性.如果单元格内数据点密度高于阈值,则判定这些点为核心点;否则,根据单元格邻居内数据点的数量对数据点进行再次判断,以确定单元格内的数据点是边界点还是噪声点.算法克服了基于密度的算法运行效率低的缺点,又弥补了基于网格的算法精度较低的不足.通过实验验证了算法的效率和性能,并与经典的DBSCAN和CLIQUE算法进行了对比分析.最后分析了算法在面向海量实时数据流方面所具有的优势,并提出了进一步的研究方向.     

时态数据库初等关键字范式问题的研究

为了探索能避免存储异常(插入,删除,修改异常,冗余),保证数据的完整性和一致性的数据库模式,依据具有多时间粒度的时态函数依赖约束的理论,采用时态数据库规范化方法,提出了时态初等关键字范式的概念,并分析了时态初等关键字范式与时态三范式和时态BC范式之间存在的联系,得到了用TEKNF分解来解决如果把TBCNF作为最终目标,很难实现保持函数依赖性,若把T3NF作为最终目标,又很难实现想要得到的规范化要求的问题,是时态数据库进一步规范化的基础．     

结合自助抽样的动态数据流贝叶斯分类算法

动态数据流具有数据量大、变化快、随机存取代价高、详细数据难以存储等特点,挖掘动态数据流对计算能力与存储能力要求非常高。针对动态数据流的以上特点,设计了一种基于自助抽样的动态数据流贝叶斯分类算法,算法运用滑动窗口模型对动态数据流进行处理分析。该模型以每个窗口的数据为基本单位,对窗口内的数据进行处理分析;算法采用自助抽样技术对待分类数据中的属性进行裁剪和优化,解决了数据属性间的多重线性相关问题;算法结合贝叶斯算法的特点,采用动态增量存储树来解决动态样本数据流的存储问题,实现了无限动态数据流无信息失真的静态有限存储,解决了动态数据流挖掘最大的难题——数据存储;对优化的待分类数据使用all-贝叶斯分类器和k-贝叶斯分类器进行分类,结合数据流的特性对两个分类器进行实时更新。该算法有效克服了贝叶斯分类属性独立性的约束和传统贝叶斯只对静态数据分类的缺点,克服了动态数据流最大的难题——数据存储问题。通过实验测试证明,基于自助抽样的贝叶斯分类具有很高的时效性和精确性。     

属性依赖理论及其在神经网络中的应用

神经网络的优化方法一般仅局限于学习算法、输入属性方面。由于神经网络拟合的高维映射存在复杂的内在属性依赖关系,而传统的优化方法却没有对其进行分析研究。以函数依赖理论为基础,提出了属性依赖理论,阐述了属性依赖的有关定义,证明了相关定理;并且与径向基函数（RBF）神经网络结合,提出了基于属性依赖理论的RBF神经网络结构优化方法（ADO-RBF）。最后通过实例证明了该方法在实际应用中的可行性。