计算机学院学科建设与专业建设的探讨

阐述了高等院校的学科与专业、学科建设与专业建设的内涵及其相互关系,论述了学科建设与专业建设的基本要素,指出了计算机学院在还没有本科专业的情况下提出学科建设的原因及其必要性,探讨了计算机学院的学科建设与专业建设,提出了加强学科建设与专业建设方法和思路。     

基于Agent的移动Web服务集成方案

结合Aglets平台和J2EE servlet技术,提出一种基于Agent的J2ME移动Web服务3层集成方案。在终端层,使用轻量级代理接入方式减少移动设备资源受限系统的负载需求。在Web接入层,采用Web服务标准接入方式确保异构移动平台的统一接入。在移动Agent层,通过多Agent协同工作保证系统高效性与灵活性。在此基础上,设计并实现一个移动进货比价系统。应用结果表明,该方案能提高无线环境下J2ME设备发现、访问Web服务的效率与健壮性。     

基于MRF的SMT焊点区域分割的研究

基于马尔可夫随机场（MRF）图像分割模型,该文提出了一种能够较好分割出表面贴装技术（SMT）焊点区域的分割算法,即基于Gibbs采样的模拟退火算法,并讨论了影响图像分割效果的主要因素,最后将该算法与传统的Gibbs采样算法以及模拟退火算法进行比较。实验结果表明,该算法通过少量人工干预、降低采样维度,从而减少了优化收敛时间,能最快地收敛到全局最优,分割成功率较高,结果较为精确,为进一步的焊点质量分析提供了保证。     

海量数据干扰下冗余数据高性能消除方法

针对海量数据处理过程中大量相似特征会给数据分类造成冗余干扰,在分类中心确定时出现多次校验、重复等弊端,提出一种海量数据干扰下冗余数据高性能消除方法.采用主动采样方法提取海量数据干扰下冗余数据特征,并对其进行分类.引入均值漂移传递函数对冗余数据进行分类处理,获取冗余数据活跃程度,实现冗余数据的高性能消除.结果表明,相比传统的消除方法,高效消除方法性能良好,所需时间短,具有一定的优越性.     

减少候选项集的数据流高效用项集挖掘算法

大数据环境下高效用项集挖掘算法中过多的候选项集极大地降低了算法的时空效率,提出了一种减少候选项集的数据流高效用项集挖掘算法。首先,通过数据流中当前窗口的一次扫描建立一个全局树,并降低全局树中头表入口与节点的冗余效用值;然后,基于全局树生成候选模式,基于增长算法降低局部树的候选项集效用;最终,从候选模式中选出高效用模式。基于真实数据流的实验结果表明,本算法的时空效率与内存占用比均优于其他数据流的高效用模式挖掘算法。     

基于移动agent的J2ME分布式数据库访问*

由于移动手持设备有限的计算和存储能力,J2ME没有提供真正意义上的数据库系统,目前大多数系统采用J2ME－J2EE－数据库系统的解决方案,然而这种线性部署并不适合无线计算环境下频繁断接、高延时等特性。通过借鉴移动agent思想并对其功能进行扩充,提出基于移动agent的J2ME分布式数据库四层C/S访问机制,并在开源Aglets平台基础上开发了一个分布式通讯录系统原型,实验评估显示了方案有效地提高了J2ME设备对分布式数据库访问效率与健壮性。     

云计算环境下入侵疑似边界问题改进算法

传统的疑似边界问题处理算法一直存在边界确定结果不准确、误差较大的问题,为了提高网络安全性能,提出一种基于模糊网络阈值计算的云计算环境下入侵检测中疑似边界确定算法,分析了云计算环境下入侵种类及其检测原理,并确定其入侵形式;通过计算模糊网络阈值,确定云计算环境下入侵检测中疑似边界具体参数.仿真实验结果表明,采用改进算法进行疑似边界的确定,其结果精度及效率均优于传统算法,具有一定的优势.     

基于统计学的文件闲散区隐藏数据取证分析方法研究

该文针对文件闲散区(File slack)含有重要的取证信息这一特征,首先分析了文件闲散区的物理结构以及及其形成机制,然后提出了基于熵统计特征的方法,用以识别具有取证价值的文件闲散区.结合已有的取证特征模式,可以有效解决文件闲散区取证内容自动识别以及关键取证信息提取问题.实验结果表明,基于统计技术的文件闲散区取证分析方...     

基于改进粒子群优化的无标记数据鲁棒聚类算法

已有的聚类算法大多仅考虑单一的目标,导致对某些形状的数据集性能较弱,对此提出一种基于改进粒子群优化的无标记数据鲁棒聚类算法。优化阶段:首先,采用多目标粒子群优化的经典形式生成聚类解集合;然后,使用K-means算法生成随机分布的初始化种群,并为其分配随机初始化的速度;最终,采用MaxiMin策略确定帕累托最优解。决策阶段：测量帕累托解集与理想解的距离,将距离最短的帕累托解作为最终聚类解。对比实验结果表明,本算法对不同形状的数据集均可获得较优的类簇数量,对目标问题的复杂度具有较好的鲁棒性。