基于Internet的Web Services收集方法

Web Services作为一种部署在Internet上的新型的可复用软件资源,得到广泛的重视和应用。但是,现有通用搜索引擎并不能很好地支持Web Services的发现,这使得软件开发人员需要花费很大的代价寻找合适的Web Services。鉴于此,提出了一种基于Internet的Web Services获取方法,采用通用搜索引擎和特定Web Services信息发布网站相结合的方法,从Internet上收集Web Services,并从Web Services的相关网页中抽取相关描述信息。利用收集到的Web Services数据,对当前互联网上的WebServices现状进行了统计分析。这些统计结果一定程度上反映了WebServices的发展现状。     

Internet的信息收集Agent及其搜索方法

本文首先介绍了Internet上Agent技术的重要性和信息结构，接着阐明了Internet信息收集Agent的功能及其信息搜索算法，并进一步描述其具体实现的体系结构。     

Internet电子邮件包Eudora及其使用

一、前言 当今世界已经进入了信息时代,在Internet网上相继推出的许多电子邮件产品,极大地方便了人们的通信和交往。其中Eudora与Peagusus mail为大家所肯定,两者之中又以Eudora较通俗易懂,拥有为数不少的用户。 Eudora分为两种版本,一种叫Eudora Pro,是商业版,至今已推出V2.12,另一种版本是共享版Eudora Light,最新的版本为V1.52。 Eudora是众多winsock应用软件中的一种,因此在使用Eudora前,必须先建立winsock环境。不     

使用校验包的一种可靠多址通讯方法

在因特网中,类似远程教学这样使用多址通讯的应用系统日益增加。针对这类应用系统的特点,本文提出使用追加校验包来达到可靠多址通讯的目的。此技术不但可以实现可靠的多址通讯,而且还可以提高网络资源的使用效率,减少网络负载,增加服务对象等。     

一种基于Web使用挖掘的个性化信息推荐系统实现方法

为了提高基于Web使用挖掘的个性化信息推荐的有效性和效率,提出了将顺序模式和KP混合聚类遗传算法相结合的推荐策略,在Web日志预处理的基础上,设计出了一种基于Web使用挖掘的个性化信息推荐系统RSPIBOWUM的框架结构,并给出了基于这一框架结构的实现流程。结果表明,本推荐策略可以进行有效的个性化信息推荐,提高个性化信息推荐的效率。     

基于客户程序度量包内聚性

为了一致而高效地计算包内聚性,许多研究者提出了大量的包内聚性度量方法.然而,这些方法主要依赖于包内部的数据流关系,常导致度量结果与实际开发经验相悖.为了解决这一问题,首先以包的职责为基础将包划分为4类.然后,提出了共同重用内聚CRC,并根据包的分类框架讨论了CRC的适用性.CRC的核心思想是若多个类总被共同重用,则它们之间存在紧密耦合.最后,提出了度量CRC的海明内聚度HC.与现有方法相比,HC同时考虑了包内和包间的数据依赖.因而,该方法能够有效地反映包内部类间的语义关系.此外,HC利用包的使用模式提高了度量结果的可区分性.实验研究表明HC能够有效评估包的内聚程度.充分说明了作为HC基础的CRC具有较高的合理性.     

一种基于TCAM的有效包分类方法

基于三态内容可寻址内存(TCAM)的包分类方法不能有效解决区间膨胀的问题。为此,提出一种有效包分类方法。对包分类规则集中各个域的不同区间进行分组,利用Shadow Encoding方法对同一分组中的所有区间进行重新编码,依据重新编码的区间结果改写原始规则集。实验结果表明,该方法可以平均压缩75.90%的TCAM存储空间。     

一种基于小波包分解的图像分类去噪方法

文章提出了一种基于小波包分解的图像分类去噪方法,即首先用高斯-拉普拉斯边缘检测方法检测出图像的边缘,得到边缘图像;然后利用小波包对图像平滑区域进行阀值去噪,同时对图像进行邻域平滑处理;最后将边缘图像嵌入平滑图像。此种方法不但可以保持图像的边缘信息,而且能够去除图像的噪声,提高了图像的去噪效果和清晰度。     

基于众包感知的移动网络小区信息侦测方法

基站信息表是电信运营商进行移动网络运营和维护的核心数据资产,对于位置服务提供商具有重要的商业价值,但其存在基站信息更新不及时、不准确、第三方无法获取等问题,限制了基站信息表的应用范围和效果。针对该问题,提出一种基于移动众包感知数据的移动网络小区信息侦测方法。借助于众包感知的方式从海量普通用户智能终端上采集用户真实在网信息,利用数据挖掘算法对各基站小区关键参数进行估算,从而构建能够反映网络真实状态的基站信息表。基于现网真实数据的计算结果表明,与现有移动网络小区信息侦测方法相比,该方法具有更高的准确性和较强的信息侦测能力。     

基于互联网的信息收集系统的设计和实现

因特网上存在一种“看不见的网”即被称为“暗藏网”（the hidden web）的网上数据库系统，搜索引擎的“网络爬虫”抓不到这些网页。本文设计了一种工具可以从这些网页中收集数据，实现了准确而高效的找到所需要的信息。     

面向软件可靠性测试数据生成的剖面构造技术

软件可靠性测试是软件可靠性工程中的一项重要工作内容，通过软件可靠性测试积累的软件失效数据可以为软件可靠性的评估、验证提供重要的度量依据。针对传统的基于操作剖面的可靠性测试方法对实时嵌入式软件的适用性差、测试难以实施的情况，在操作剖面的基础上提出了一种层次化网络体系结构的使用剖面的概念，并研究了构造使用剖面的系统方法，以及根据使用剖面生成用于实时嵌入式软件可靠性测试操作序列的方法。该方法适用于实时嵌入式软件，对其它非实时软件也具有参考价值。     

基于使用模型的统计测试方法的研究

介绍了基于使用模型的统计测试方法，论述了使用模型的概念和特点，以及从使用模型中可以计算出的静态参数和它们在统计测试和软件开发中所起的作用，还具体阐述了怎样通过使用模型生成测试用例，同时根据测试充分性理论讨论了统计测试中测试充分性的度量方法，最后简要介绍了自行开发的统计测试辅助工具STToolkit。     

基于UCM的领域SOA资产库构建方法

面向服务的体系架构(SOA)资产之间的复杂关系导致SOA资产管理困难。为解决上述问题,提出一种基于UCM的领域SOA资产库构建方法。该方法通过UCM描述领域需求,将领域需求转化为UCM模型中的标记及标记之间的关系,将UCM模型中的标记及其之间的关系映射到SOA资产中,建立领域SOA资产库,从而实现SOA资产的有效管理,并支持SOA资产复用。     

构件使用的序列模式发现研究

提出构件使用序列模式发现的处理过程和算法．将构件使用的序列模式发现分为日志数据向序列数据库的迁移、数据预处理、序列模式算法运算、结果的求精和解释、结果保存5个步骤。构件使用的序列模式发现算法有一个刻面参数,可以有针对性地对某一个感兴趣的刻面在不同概念层进行序列模式发现。     

基于LDA主题模型的分布式信息检索集合选择方法

该文针对分布式信息检索时不同集合对最终检索结果贡献度有差异的现象,提出一种基于LDA主题模型的集合选择方法。该方法首先使用基于查询的采样方法获取各集合描述信息;其次,通过建立LDA主题模型计算查询与文档的主题相关度;再次,用基于关键词相关度与主题相关度相结合的方法估计查询与样本集中文档的综合相关度,进而估计查询与各集合的相关度;最后,选择相关度最高的M个集合进行检索。实验部分采用R_m、P@n和MAP作为评价指标,对集合选择方法的性能进行了验证。实验结果表明该方法能更准确的定位到包含相关文档多的集合,提高了检索结果的召回率和准确率。     

基于Web的日志挖掘数据预处理方法的研究

随着www的广泛应用及相应的Web技术的出现,使数据挖掘的研究进入了一个新的阶段。Web日志挖掘就是运用数据挖掘的思想来对服务器日志进行分析处理。论文针对基于日志的数据挖掘提出了前期的几种数据预处理方法,目的是分割服务器日志为多个独一无二的用户的一次访问序列,并给予了很好的算法实现。     

基于多种技术的格式化信息管理方法

分析了管理格式化信息的3种方法特点,Word文档元素和Visual Basic对象;提出了用数据库、文档模板、OLE2和VBA相结合的格式化信息管理技术,并用教学教务管理系统中格式化信息管理实例说明了这种方法的实现过程和信息流程关系;最后,总结了这种基于软件构件思想的格式化信息管理方法的特点和应用前景。     

基于查询空间的分布式文档集合划分算法

合理的文档集合划分能够有效的提高分布式信息检索的效果,本文针对分布式信息检索中的集合划分问题,提出了一种基于查询空间的文档集合划分算法。与传统的基于文档空间的划分算法相比,该算法从一种全新的角度看待和理解文档集合划分问题,给出了一种针对大规模海量信息的文档集合划分解决方案。实验表明该算法在算法效果和算法效率方面都有很大的提高。     

基于K-means算法的Web日志挖掘在移动学习中的实现

随着互联网技术和无线通信技术的发展,移动学习成为正式和非正式学习者的学习必备方式。使用Web日志数据挖掘技术和K-means聚类分析方法,通过对学习者的学习特征和行为进行监测与分析,有针对性地进行课程资源和教学过程设计,有效改善了系统的拓扑结构,实现了移动学习中个别化学习的目标。