二次回归学习及其在软件开发工作量预测上的应用

回归学习是用于对具有实值标记样本进行学习建模的监督学习技术。为获得良好的预测性能,通常需要大量的训练样本,然而,在实际应用中可收集到的训练样本数量极少。针对该问题,提出一种基于二次学习框架的新型二次回归学习方法———基于神经网络集成的回归树算法( NERT)。该方法借助虚拟样本生成技术,通过串行执行的两个学习阶段对其进行有效利用,有效缓解训练样本不足的困难,从而提升学习性能。同时,通过为两个阶段分别选择泛化能力强和理解性好的学习方法,可得到预测性能好且可理解性高的模型。实验结果表明在训练样本极少的软件开发工作量预测问题上,NERT方法能够从小样本数据得到比现有方法更好的预测性能,同时其模型内在可理解性能够揭示工作量预测的关键因素。     

基于站点首页相对浏览时间的会话识别方法研究

随着电子商务的快速发展,Web日志挖掘技术越来越受到人们的青睐.会话识别是Web日志挖掘首要环节,是数据预处理中的关键步骤之一.精确的会话识别方法对于有效分析用户行为起着至关重要的作用.通过分析传统会话识别方法的优缺点,提出一种基于站点首页,并利用页面相对浏览时间计算动态时间阀值的会话识别方法.通过实验,验证了新方法的可行性.     

基于互联网的高校科研管理系统的构建

为了提高高校科研管理工作的效率,构建在线高校科研管理不仅满足了科研管理数字化、信息化的需求,而且极大地方便了高校教师科研申报及专家对申报项目的评审.使用在线科研管理系统,不仅实现申报评审功能外,还较有效地实现对科研工作量的考核,以及统计出申报科研项目中的各种数据,充分挖掘科研评审结果,得到更详细和层次更高的分析结论.结合高校科研管理的需求,设计实现基于互联网的在线科研项目评审系统,从而提高了高校的科研管理工作效率.     

一种基于倒排索引树的增量更新关联挖掘算法

增量更新关联规则挖掘主要解决事务数据库中交易记录不断更新和最小支持度发生变化时关联规则的维护问题。针对目前诸多增量更新关联规则挖掘算法存在效率低、计算成本高、规则难以维护等问题,提出一种基于倒排索引树的增量更新关联挖掘算法。该算法有效地将倒排索引技术与树型结构相结合,使得交易数据库中的数据不断更新和最小支持度随应用环境不同而不断改变时,以实现无需扫描原始交易数据库和不产生候选项集的情况下生成频繁项集。实验结果表明,该算法只需占用较小的存储空间、且检索项集的效率较高,能高效地解决增量更新关联规则难以维护的问题。     

茶艺社团与中职生就业能力的培养

学生社团作为作为中职学校技能学习的补充和第二课堂,对学生的综合素质和职业素养的提高起着关键作用。就业能力包括一般就业能力和特殊就业能力。我校茶艺社团从理论与实践相结合、强化职业道德教育、提高学生的综合素养、组织学生参加各类职业技能竞赛等方面探讨中职生就业能力的培养。     

航空发动机气路传感网络的故障节点挖掘仿真

航空发动机的气路传感网络故障检测,是通过与发动机气路传感网络产生的基准线进行比较,产生的偏差作为阀值,作为检测故障的基础.由于航空发动机气路传感网络的高度非线性、噪声、测量不足等因素的影响,检测的基准线也呈现波动状态,传统的故障挖掘方法,需要通过做一些必要的假设,设置各种可能故障和性能恶化的范围,规定故障挖掘空间以降低波动干扰,但是上述假设降低了检测的精度.提出一种航空发动机气路传感网络的故障节点挖掘方法.计算故障传感节点的特征,为故障传感节点的挖掘提供数据基础.利用神经网络建立故障传感节点挖掘模型,完成故障传感节点的挖掘.实验结果表明,利用改进算法进行航空发动机气路传感网络的故障节点挖掘,能够有效提高检测的准确性和挖掘效率.     

一个基于多维特征向量的复杂网络社团结构发现算法

作为复杂网络重要特性之一的社团结构在大量现实的大规模复杂系统研究中占有重要的一席地位.论文在研究现有的社团发现算法基础上,提出了一种基于多维特征向量的复杂网络社团结构发现算法,实验证明,该算法能够有效的发现复杂网络中的社团结构,对于进一步进行复杂网络上的信息挖掘具有重要的意义.     

评价对象、短语、搭配关系抽取及倾向性判断

观点挖掘近年来已经成为自然语言处理领域的热点问题,该文对观点挖掘的几项关键技术—评价对象、评价短语、主观性关系抽取、倾向性判断进行了研究。在评价对象抽取阶段,通过统计得到所有的名词和名词短语作为候选,然后结合词频,词共现等特征进行过滤得到最终的评价对象;在评价短语抽取阶段,使用基于观点词词典的匹配方法,并把观点词前面的副词也作为评价短语的一部分;在搭配关系抽取阶段,目的是抽取评价对象和评价短语的关联关系,采取的方法是将在句中距离评级对象最近的评价短语作为该短语的评级短语;在情感倾向分析阶段,通过将情感句进行分类,然后制定规则进行无监督的倾向性判断。     

基于单元的孤立点提取算法研究

该文介绍了孤立点、孤立点挖掘以及基于单元的孤立点提取算法的相关概念。主要讨论了应用于二维数据集的基于单元的孤立点提取算法,分析了该算法的程序实现过程和时间复杂度。     

基于文本挖掘及情感分析的社区负面舆论传播预测模型

企业品牌舆论监控、网络敏感社区及重点社区识别是当前企业舆情监控的重点工作。作为网络社会的子集,不同的网络社区（社交媒体中联系密切的群体）由于社区网络结构的不同、社区成员情感倾向的不同,导致企业负面新闻在其中的传播会表现出来不同的特质。从网络社区的角度出发,研究不同社区情感倾向及社区网络结构下,企业负面新闻在其中产生的影响;进而提出了基于文本挖掘及情感分析的社区负面舆论传播预测模型。根据心理学测量视角ProfileofMoodStates（POMS）测度社区成员情感倾向（Tendency）,以事件划分时间窗口;通过对连续六个用抓取的网络数据使用文本挖掘相关算法分析每个事件窗口内社区成员六种情感的分布（愤怒、紧张、失望等）;在情感分布及网络结构上进行聚类,识别不同类别的情感倾向的网络社区;在些基础上建立社区情感倾向及舆论传播预测模型。测试结果表明：该模型在对网络社区情感倾向的识别及舆论传播倾向预测方面有较高的准确度,在舆论传播监控、敏感社区及重点社区识别等方面有一定的指导意义。