摘要：为解决领域适应过程中基于全局分布适配的特征变换造成的类别结构损失和局部特征损失问题,提出一种结合判别分析和分布差异约束的领域适应方法。构造领域数据分布均值距离度量用于领域间分布适配;构造类散度度量用于保持类别判别结构;基于数据局部分布信息设计不同类型的差异权重,分别用于约束域分布距离度量和类散度度量,实现判别保持和局部保持的联合优化;基于上述度量最优化的特征变换,将源域和目标域数据投影到子空间中实施分类任务。所提出的方法在领域适应过程中不仅能够缩小领域间分布差异,且兼顾类别判别保持和数据局部特征的保持,能有效提升域外数据重用的性能。在28组跨领域分类任务上的实验结果表明,所提出的方法在评价指标上优于已有的相关方法。

摘要：随着云计算应用的发展,云计算任务调度的要求越来越复杂.群智能算法能在满足多种约束限制下,实现复杂的云计算任务调度问题,因而得到广泛应用.入侵肿瘤生长优化算法ITGO(Invasive Tumor Growth Optimization)是一种新型的启发式群智能算法,该算法通过模拟肿瘤的生长和入侵行为,在解空间中搜寻最优解,具有较高的准确性和较快的收敛速度.该文将入侵肿瘤生长优化算法离散化,提出了一种离散化的入侵肿瘤生长调度算法D-ITGO,通过将云计算任务调度方式的可行解即任务—虚拟机对应关系映射成为肿瘤细胞的坐标,使之可以应用于云计算任务调度问题;并针对云计算调度问题进行优化设计,包括:(1)设计生长细胞到入侵细胞的转换策略,使得更容易和更快地跳出局部最优解;(2)设计死亡细胞到入侵细胞转换策略,以避免浪费资源,并提高搜索效率;(3)调整生长细胞的生长步长,在逼近最优解时放慢生长速度,以避免跳过最优解.该文基于CloudSim仿真环境对D-ITGO算法以及优化策略进行了实验测试,并且使用非参数假设检验,对实验结果进行了评估和分析.实验结果和分析结果表明,这些策略均能提高收敛速率和搜索效率,其中,生长细胞到入侵细胞的转换策略和死亡细胞到入侵细胞转换策略在一定程度上减少了计算时间,生长细胞的生长步长调整策略能强化D-ITGO的搜索效率.同时,D-ITGO算法比目前应用于云计算任务调度的算法,在云任务执行时间上有7.1%~11.2%的提升,在调度开销上也有一定的优势.

摘要：为了延长煤仓使用寿命,减少停产检修时间,通过总结生产实践经验,参考煤仓中煤流研究成果,对煤仓下口的仓壁结构和收口位置进行了设计改进,既提高了其仓壁的抗冲击性能,也解决了因煤仓下口被击穿而影响装载硐室中设备人员安全的问题。同时,为保证煤仓空气炮正常使用,根据仓内煤流流动特性和生产实践经验,对煤仓空气炮的布置方式和保护方式进行了设计改进,防止其出口被冲击破坏。通过不断改进完成了若干煤仓设计,经多年使用证实,改进后的煤仓结构合理,安全可靠,维修周期延长,对煤仓设计具有指导意义。

摘要：该矿7个煤仓都不同程度被破坏。破坏的主要原因是空仓在高速煤流冲击仓壁和仓底,久而久之,就破坏。分析变截面煤仓、垂直式煤仓、上立下斜煤仓和螺旋煤仓,以螺旋煤仓为最优,但施工杂复,造价高50％～60％。

摘要：首先基于多个位向量算法和改进的数组键哈希表,设计快速正区域算法;之后深入研究全局正区域与核属性之间关系,提出并证明核属性的识别特征优化求核过程,设计求核算法,从而快速识别核属性;并在最大增益属性算法选择属性的过程中通过舍弃已识别属性不断缩减搜索空间从而提高效率;最后基于上述子算法得到高效属性约简算法.通过UCI中16个决策集验证算法是正确、高效、完备的,且其效率不受实体数量、属性多少影响,尤其适合处理大型决策表.

摘要："数据仓库与数据挖掘"课程这几年来发展迅速,各大学计算机相关专业都开设了该门课程,但由于课程内容比较抽象,对非计算机专业的教学,一直是很多教学者研究的问题。对此,我们根据医学院校的特点,提出了一种目标驱动的教学框架。

摘要：根据高速摄影机在地面采石场进行掏槽爆破试验所取得的数据，分析了螺旋掏槽的爆破过程，提出了一种新的掏槽设计思想；井下试验中，采用中孔首爆的菱形掏槽，取得了高效低抛的爆破效果。

摘要：分析当前阶段案例教学的困境,研究如何将信息技术和教学方法结合在一起,利用信息技术改善案例教学模式,提高案例教学水平。提出基于信息共享的数据库案例教学模式,并设计数据库案例教学平台,以此提高案例教学质量,达到案例教学目的。

摘要：将数据挖掘技术用于入侵检测领域,是实现IDS智能化的重要手段.本文首先给出了分类算法的编程的实现,并以决策树进行显示分类.最后按照CIDF基本标准,本文提出了一个以分类算法为基本的IDDM入侵检测系统模型,并对DoS Prob R21等病毒的入侵进行了测试.