[数据驱动的智能服务]面向大规模个性化的交互式云制造模式

结合云制造以及大规模个性化的特点，分析大规模个性化的应用发展以及阐述用户需求的现状，提出了一种面向大规模个性化的交互式云模式。设计了云环境下大规模个性化智能交互过程以及需求交互转换过程模型；建立了大规模个性化的交互式云体系架构以及工作流程；进行交互式云平台搭建，以实现用户定制需求的个性化、大规模、低成本的快速提供与生产。以汽车定制为例，对需求分析及转换过程进行论述，验证了该平台的可行性和有效性。     

基于流数据聚类算法的电力大数据异常检测

针对电力大数据流的异常检测问题,该文将流数据聚类算法与电力大数据相结合,针对现有流数据聚类算法不易存储全部数据、断电数据易丢失等问题,以及流数据聚类算法对于离线阶段聚类算法实时应答的要求,从数据的完整性、安全性以及流数据聚类算法的低时间复杂度的角度出发,对CluStream流数据聚类算法进行改进,提出流式K-means聚类算法。对在线阶段,使用Redis集群进行流数据的缓冲,并设计节点时间衰减策略,增大心跳消息中有效消息所占比例;对离线阶段聚类算法进行优化,使用最佳距离法确定初始聚类中心,减少迭代次数;最后,使用所提出的流式K-means聚类算法进行用户用电异常行为检测,实验结果表明,该算法能够很好的发现用户用电异常行为。     

以用户为中心的可见光通信协作传输中训练资源分配算法

以用户为中心的可见光通信协作传输是近年来出现的新架构,这导致虚拟小区之间出现重叠。为避免导频污染问题,每个虚拟小区中的光接入点(AP)或者虚拟小区中选择相同AP的用户发送的训练序列应该是正交的。针对可见光通信中以用户为中心的协作网络,研究训练资源的正交分配问题,提出了一种新的导频分配算法,联合导频分配和用户选择问题,以期最大限度地增加虚拟小区内可被接入的用户数。分析和仿真结果表明,该导频分配方案可以有效改善导频污染问题,提高训练资源利用率,并且相比已有的导频分配方案,性能有所改进。     

船木家具用户族群现状分析

船木家具本身的特殊性使得其用户群体具有小众性和高端性。为提高船木家具设计制作的针对性，满足客户的个性化需求，根据问卷调查情况进行数据分析，并基于分群的形态特征进行用户群分类，船木家具用户可分为“稳健求进型”“事业理性型”“时尚潮流型”“勤俭持家型”“传统生活型”“品质生活型”六个族群。“时尚潮流型”和“品质生活型”用户是船木家具的主要使用用户，而“事业理性型”用户和“传统生活型”用户可发掘为船木家具使用用户，这为船木家具设计与制作改进提供了依据。     

基于SDN的UDP反射攻击响应方案

针对字符发生器协议、域名系统协议、网络时钟协议、简单网络管理协议、简单服务发现协议这5种类型的用户数据报协议(UDP)反射攻击放大器,提出基于入侵检测系统(IDS)的UDP反射攻击响应方案。在定位到反射攻击放大器的前提下,结合网络边界的软件定义网络技术,采用基于OpenFlow流表的响应规则对控制命令报文进行过滤,从而阻止UDP反射攻击。在中国教育和科研计算机网南京主节点的网络边界上的测试结果验证了该响应方案的可操作性和有效性。     

基于慕课堂数据的学生学习行为分析

本文结合慕课堂线上学习数据与线下考试成绩,研究学生在线学习的行为表现与学习效果之间的关联性,所获得的信息能够体现出不同学生群体的特点以及不同学习维度的作用,从而提醒教师适时调整教学策略,持续改进,有助于教师改进教学方法,提高教学质量.     

机器学习在用户行为审计中的应用

本文阐述了一种利用机器学习技术对用户通信行为和消费行为数据审计,标注异常用户,提升用户发展质量、提高用户价值的方法.文中重点分析了机器学习用户行为审计系统的系统结构和异常用户判定方法,自动化的用户行为审计系统可以有效的提升准确性,降低审计人员工作强度.     

基于用户体验的压路机操纵手柄交互品质研究

目的以压路机操纵手柄为对象,探讨交互品质研究方法,改进用户体验。方法对交互品质进行解析,由用户体验与交互品质的关联性,提出基于用户体验的交互品质研究方法;面向压路机操纵手柄典型任务进行用户体验研究,梳理压路机手柄的操作流程,并对交互行为进行聚类分析,结合语义分析构建用户体验词库,运用半结构式访谈与问卷调查,以定量与定性方法相结合对驾驶员的操纵体验进行调研;以专家研讨的形式进行驾驶员的操纵体验向交互特征的映射,构建交互特征集,进而对操纵手柄的交互品质进行分析与阐释。结果得出了压路机操纵手柄的交互特征与交互品质。结论通过用户体验可以映射交互特征,得到了交互品质,对于从交互品质的角度指导交互设计提供了借鉴。