高效软件LabVIEW图形化开发环境

NI LabVIEW是业界领先的用于设计测试、测量和控制系统开发工具。自1986年推出以来，全球工程师和科学家将LabVIEW图形化开发应用到产品设计全过程，以便达到更好的品质、更短的产品上市时间及更高的工程和生产效率。     

基于机器视觉的通孔元器件检验

印刷线路板组件外观检验系统,采用机器视觉技术,用于机插和手工装配等通孔元器件的检验,为电子产品组装过程中外观检验提供自动化质量控制手段。由于通孔元器件材料、形状、尺寸变化大,难以采用统一的算法和判据,本文根据通孔元器件的特点将其分为线束和非线束两种类型,分别采用颜色定位和彩色模板匹配算法,用旋转角度和匹配分数作为综合判据,通过算例验证了该系统的可行性。平台化设计使该系统具有很高的推广价值。     

一种Web服务器集群负载均衡调度算法

分析Web服务器集群技术,研究负载均衡算法,提出基于临界加速递减的一致性哈希负载均衡算法CHMDC(Consistent hash load balancing algorithm based on the Multiplicative Decrease in Critical area)。一方面,该算法采用了加权一致性哈希算法,引入了虚拟化的设计思路,采用虚拟节点进行真实服务器节点分配;另一方面,该算法提出了基于请求反馈时间计算机服务器节点负载率的方法,引入了临界因子的概念,采用了临界因子加速递减来防止服务器过载。通过实验测试证明,该算法应用于Web服务器集群的负载均衡效果突出。     

Oozie工作流在Mahout分布式数据挖掘中的应用

针对现有数据挖掘软件不支持用户有序、动态地按需定制并行数据挖掘算法,且不能充分利用计算集群的能力,分析了 Hadoop技术及其多种数据处理组件,提出应用 Mahout分布式数据挖掘算法库和 Oozie 工作流技术在 Hadoop 中构建数据挖掘工作流的方法,并设计实现了一个聚类工作流实例。实验结果证明,该方法简单,且能有效地组织数据挖掘流程。     

基于用户特征的分步协同推荐算法*

协同过滤是解决信息过载问题的一种有效技术。然而基于内存的推荐面临着可扩展性问题,基于模型的推荐需要训练大量的参数。本文提出了基于用户特征的K-means用户聚类算法,然后用分步协同过滤框架融合基于项目和基于用户的协同过滤给每一个聚簇训练一个模型。实验结果表明本文提出的算法能极大的提高推荐精度,同时在一定程度上解决了基于模型和基于内存的推荐存在的不足。     

融合异常检测与随机森林的微博转发行为预测方法

针对目前微博转发行为预测具有的特征选择任意性、准确率不高的问题,提出了融合异常检测与随机森林的微博转发行为预测方法。首先,提取用户基本特征、博文基本特征、博文内容主题特征,并基于相对熵计算用户活跃度、博文影响力;其次,通过结合过滤式与封装式特征选择方法筛选出关键特征组;最后,融合异常检测与随机森林算法,依据筛选后的关键特征组进行微博转发行为预测,并利用袋外数据误差估计设置随机森林中的决策树和特征数。在真实新浪微博数据集上与基于逻辑回归、决策树、朴素贝叶斯、随机森林等算法的微博转发行为预测方法进行实验对比,结果表明所提方法的预测准确率(90.5％) 高于基准方法中最优的随机森林方法的预测准确率,同时验证了特征筛选方法的有效性。     

基于改进蚁群算法的网格资源调度

针对网格资源的分布式共享,提出了一种改进的蚁群算法,并用于网格资源调度中. 在算法中引入了资源节点的可信度,并作为蚂蚁残留的信息素评估要素之一,通过对可信度的评估,在一定程度上增强了蚁群算法的搜索能力和网格资源的可靠性. 在算法中设计了局部和全局信息素更新机制,实现了各资源节点上的负载均衡. 通过选取适当的参数,利用GridSim工具对基于改进蚁群算法的网格资源调度策略进行了仿真实验测试. 实验结果证明,该策略能有效地提高网格系统资源的利用率和任务提交的成功率,缩短了整个网格系统调度的总执行时间,改善了网格系统的性能.     

网格中处理推荐信任的判别模型研究与设计

在网格信任模型研究中,对某一实体的行为信任评估极大地依赖于其它实体推荐的与该实体直接交互产生的信任数据.为了防止推荐信任过程中的合谋,作弊和振动欺骗,研究了真伪两类信任推荐的特征,构造了向量特征集合并标量化,通过对标量特征数据集的分析,进行数学建模,建立了一个分类判别模型,可以有效地识别出网格系统中进行不真实推荐的恶意实体,保证推荐数据的真实性,从而提高信任模型中信任评估的准确性.采用matlab对模型进行了仿真和性能检验,结果表明设计方案具有极商的准确性和可行性.     

改进型遗传算法智能组卷系统研究

研究测试理论和组卷过程的数学模型,分析利用遗传算法来实现智能组卷的目标：求解出满足用户条件要求的一套最优试卷。同时重点研究简单遗传算法＂早熟＂现象的原因,对参数编码、种群初始化、遗传操作和控制参数等方面加以改进。通过仿真实验表明,改进型遗传算法比简单遗传算法具有收敛速度快、稳定性高的优点,同时能有效地避免＂早熟＂现象,从而较好地实现智能组卷。     

基于注意力机制与评论文本深度模型的推荐方法

传统推荐系统依赖人工进行规则设计和特征提取,对评论文本内容的特征和隐信息的提取能力有限。针对该问题,融合注意力机制并基于深度学习对推荐系统进行改进,提出一种对评论文本深度建模的推荐方法。使用词嵌入模型表达数据集评论中的语义,引入注意力机制对输入内容进行重新赋权,通过并行的卷积神经网络挖掘用户和项目评论数据中的隐含特征,将两组特征耦合输入并采用因子分解机进行评分预测,得到推荐结果。实验结果表明,该方法可有效提高推荐准确率,均方误差较DeepCoNN方法提升2%以上。