钳工锉削加工站姿校正与约束装置的研究

针对钳工锉削技能基础训练过程中普遍存在的学员很难快速掌握站立与运动姿态的情况,提出采用一种专门的锉削加工站姿校正与约束的装置,快速有效帮助钳工学员掌握站姿运动基本功。该装置结构简单,使用方便,通过对脚板的位移调整可适应不同身高学员的使用。     

基于云计算平台的并行DBSCAN算法

DBSCAN算法是一种典型的基于密度的聚类算法,具有速度快、可以发现噪声的优点,但在处理大规模数据时出现聚类效率低、内存和I/O消耗大、聚类精度降低的问题,集群式计算机技术特别是云计算技术的发展提供了解决DBSCAN算法缺陷的方案.文中提出了数据预分区的并行PMDBSCAN算法,该算法在聚类之前对数据分区预处理,利用并行编程模型MapReduce实现DBSCAN算法并行化,结合重叠分区思想,减少I/O消耗.实验结果表明,在大规模数据集上,PMDBSCAN算法聚类有效提高了聚类的速度、减少了I/O消耗、改善了聚类的质量.     

基于贪婪算法的排课系统的探讨与实现

在实际项目案例中,针对开发排课系统难度较大,根据客户排课的实际需求,提出基于贪婪算法,以资源匹配为基础,用内存动态分区分配的最佳适应法为依托进行研发.     

Android内核分析

介绍Android移动平台系统架构．通过对Android源代码的分析．将其与标准Linttx内核（2．6．27）源代码相比较,详细解析Android内核的功能更新,分析讨论Android内核与标准Linux内核之间的不同以及Android在移动平台上的优势．并对Android在各种内核之间做出一个定位,介绍Ubuntu环境下Android内核的获得与编译。     

一种综合LBS和社会网络标签的个性化推荐方法

针对现有的基于LBS(Location Based Service)个性化推荐系统在构建用户兴趣模型时存在的缺陷,提出一种综合LBS和社会网络标签的个性化推荐(LTCF)方法。通过引入网络标签和用户社会关系,从用户标注的标签资源中找到拥有共同兴趣爱好的用户关系以及从社会网络中找到与目标用户关系紧密的用户,同时结合考虑用户兴趣爱好随空间不断变化的特点,依据协同过滤算法,计算用户社会关系度和用户空间相似性,依此得到目标用户的最近邻集合,在最近邻集基础上给出推荐结果。实验结果表明,相比于传统的基于LBS推荐方法,LTCF模型在查全率和产准率有了显著的提升,能更好地反映出用户偏好,显著提高了推荐准确度。     

基于JSSE和SOAP头的Web服务安全通信的研究与实现

针对现今Web服务在安全方面存在的问题,分析SSL协议和JSSE安全套接字扩展,描述SOAP消息头的基本结构．并结合一个具体的实例提出一种使用JSSE和SOAP消息头实现Web服务安全通信的方法。实际应用表明,该方法确保Web服务通信中数据的保密性和完整性．并实现用户权限验证。     

结合ReliefF和互信息的多标签特征选择算法

针对传统单标签特征选择算法不能直接应用于多标签数据的问题,提出一种多标签特征选择算法——MML-RF算法.在ReliefF的基础上,MML-RF算法提出新的类内最近邻样本查找方式,并结合多标签的贡献值改进特征权值的计算方法,能很好地适应多标签数据的特点;同时为了减少特征冗余,MML-RF算法以互信息作为特征冗余度量方式,提出一种去冗余方法,能够得到更小的特征子集.实验表明,MML-RF多标签特征选择算法得到的特征子集规模较小,且在多标签数据集上具有很好的分类效果,能够提升多标签学习和数据挖掘工作的效率.     

基于行为日志的性格倾向预测

本文提出了一种基于神经网络的双标签人格检测模型。该模型结合了网络用户的行为特征,并对通过不同分类器传递可用数据得到的结果进行比较。构建了一个改进的LSTM神经网络模型用于有效预测关于行为日志所反映的用户性格特征。实验结果表明,与其他常见神经网络模型相比较,所提出的模型达到了更好的AUC(0.83)。     

基于定量递归联合熵特征重构的缓冲区流量预测算法

对网络基站缓冲区的短时网络流量的准确预测是缓解和控制拥堵的关键.基站缓冲区的短时网络流量时间序列具有非线性混沌特征,其自相关特性较弱,而传统方法采用线性时间序列分析方法没能有效挖掘流量序列的非线性特征信息,流量序列预测性能不好.提出了一种基于非线性时间序列分析的定量递归联合熵特征重构网络基站缓冲区的短时网络流量预测算法,该算法提取流量序列的定量递归联合熵特征,并对特征序列进行相空间重构;把网络流量信号模型进行高维映射,在高维相空间对短时网络流量序列进行定量递归分析;采用自相关特征奇异分解对流量序列进行聚合后的线性叠加,采用平均互信息算法和虚假最近邻点算法计算最佳时延参数和最小嵌入维;进行插值拟合形成时频分析特征分流控制,实现对网络流量的预测.仿真结果表明,该算法预测精度较高,稳定性较好,预测偏差较传统方法低,具有较好的应用价值.     

基于网格状多涡卷蔡氏混沌系统的数字水印

基于网格状多涡卷蔡氏混沌系统和离散余弦变换(DCT)理论,提出一种改进的数字水印算法。采用网格状多涡卷蔡氏混沌系统生成的混沌序列作为密钥,增强算法的安全性;利用网格状多涡卷混沌系统复杂的混沌动力学行为,弥补低维混沌系统用于数字水印时密钥空间过小的缺陷。实验结果表明,该方案在抗几何攻击、抗裁剪和密钥空间抗穷举攻击方面具有较好的特性。