网络课程群综合实验教学平台的构建与实施

从南京师范大学省级计算机实验教学示范中心建设项目出发,较系统地论述计算机网络原理以及相关课程的教学内容,提出"网络主导、课程协同、情景教学、综合应用"的网络课程群模式,详细地规划了网络课程群的实验体系、实验组织、实验设备和环境的建设方案,以期建立符合计算机网络教学和人才培养需求的高质量、高效率和高水平的综合性平台。     

分布式决策树算法研究与实现

提出了一种基于分布多库环境下的决策树生成算法DDTA（Distributed Decision Tree Algorithm）．该算法使用基于信息熵增益的思想分割各个分布的、同构训练样本集,各分布站点利用服务器传来的分割属性分割自己的样本集,服务器则通过对所有分布站点传来的信息计算各个属性的信息熵增益得到分割属性．实验表明DDTA算法能对分布同构样本集进行有效决策树挖掘,分布多库环境下生成的决策树是正确的．与算法INDUS相比,该算法的通信代价小．     

TMS320C25反汇编程序的设计与实现

ＴＭＳ３２０Ｃ２５是高性能３２位单片数字信号处理器，适用于数字信号处理，图形／图像处理，语音识别，通信等领域，有着广阔的应用前景。本文将分析ＴＭＳ３２０Ｃ２５指令代码的特点，介绍ＴＭＳ３２０Ｃ２５反汇编程序的设计与实现思想。     

Windows的多媒体世界

一、Windows 3.1与Multimedia Extensions 1.0 微软(Microsoft)公司于1990年5月推出了Microsoft Windows3.0,以其优异的操作界面袭卷PC市场,但即使是486加上SVGA再加上Windows,仍然让人觉得差了那么一点,原来PC对语音方面仅提供了一个简单的喇叭,开机和发生错误时只会发出刺耳的叫声。     

分布式环境下约束性关联规则的快速挖掘

研究人员针对单机环境提出了约束性关联规则的挖掘算法,但它们不适用于分布式环境.为此本文讨论分布式环境下约束性关联规则的快速挖掘技术,提出一种基于分布式环境的约束性关联规则快速挖掘算法DCAR,其中包括局部约束性频繁项目集挖掘算法MLFC和全局约束性频繁项目集挖掘算法MGFC.该算法根据布尔约束条件产生向导集,采用一种新的候选项集生成函数Reorder-gen,该函数通过向导集高效地产生分布式环境中满足约束条件的、数量较少且完备的候选项集,并且求解全局约束性频繁项集过程中,传送局部候选项集支持数的通信量为O(n),从而提高了算法的挖掘效率.将本文提出的算法加以实现,实验结果表明DCAR算法高效可行,其效率大约是DMA-IC算法的2-3倍.     

树型空间索引及其在聚类中的应用研究

对大型高维数据集进行高效的聚类分析已成为许多领域的迫切需要,但是一般的聚类技术在处理高维数据时性能低下。树型空间索引可以高效地组织并检索高维数据,因此使用树型空间索引是改善聚类性能的有力途径。该文介绍各种树型空间索引的结构,并对它们的性能加以分析,接着讨论树型空间索引在聚类分析中的应用,并提出将树型空间索引与聚类技术相融合的思想。     

不平衡数据分类方法综述

分类问题是机器学习领域的重要研究内容之一,现有的一些分类方法都已经相对成熟,用它们来对平衡数据进行分类一般都能取得较好的分类性能,但在现实世界中数据往往都是不平衡的,而现有的分类器的设计都是基于类分布大致平衡这一假设的,如果用这些方法来对不平衡数据进行分类就会导致分类器的性能下降,因而研究用于处理不平衡数据集的分类方法显得相当重要.为便于读者更清晰地了解数据不平衡分类问题的研究现状和未来研究的动向,本文对相关的研究进行了综述和展望.     

面向多用户的三维虚拟车间场景共享技术研究

本文分析了三维虚拟车间的应用特点,提出了虚拟车间多用户共享的系统目标及其结构框架,分析了虚拟车间的构造方法,并对系统服务器实现方案、通信部件的设计、多用户协同感知及多用户替身描述、系统运行机制等进行了介绍.     

一种基于FP-Growth的频繁项目集并行挖掘算法

FP-Growth算法是基于FP树挖掘频繁项目集的经典算法,为提高FP-Growth算法挖掘大规模数据频繁项目集的效率,提出了一种基于FP-Growth的频繁项目集并行挖掘算法FPPM。该算法基于Map/Reduce并行模型,在每个计算节点上首先构造局部频繁模式树,并对之进行挖掘得到局部频繁项目集,然后合并局部频繁项目集以得到全局频繁项集,由于此时得到的结果并不完备,所以对合并后未达到最小支持度阈值的项目集,重新计算其支持数。介绍了FPPM算法的设计思想,测试了其性能。实验结果表明FPPM算法具有较好的可扩展性。     

基于频繁子树模式的GML文档结构聚类算法

提出了一种基于频繁子树模式的GML文档结构聚类算法GCFS（GML Clustering based on Frequent Subtree patterns）,与其他相关算法不同,该算法首先挖掘GML文档集合中的最大与闭合频繁Induced子树,并将其作为聚类特征,根据频繁子树的大小赋予不同的权值,采用余弦函数定义相似度,利用K-Means算法对聚类特征进行聚类。实验结果表明算法GCFS是有效的,具有较高的聚类效率,性能优于其他同类算法。