摘要：为提高遗传过程挖掘算法对大规模事件日志处理的性能,该文提出一种基于GPU的并行遗传过程挖掘算法.由于传统基于二进制的染色体编码不能表示因果矩阵中的AND-Split/AND-Join和OR-Split/OR-Join结构,提出一种新的染色体编码方案.该方案通过内容、标识、位置3个数组,有效地解决了GPU上因果矩阵的遗传表示问题.同时,设计并实现了高效的遗传交叉/变异算子和适应度并行计算方法.仿真实验表明,与当前CPU上的遗传过程挖掘算法相比,本文算法在求解精度和收敛速度方面都具有明显优势,并且在两个数据集上分别取得36.4倍和47.2倍的执行时间加速比.

摘要：针对当前数据中心节能整合研究中仅考虑服务器能耗的现状,提出一种同时考虑服务器和网络设备能耗的方法。该方法通过感知数据中心的网络拓扑,使运行的服务器和网络设备最少,以此最小化能耗。对问题进行新的形式化建模,并设计一种混合的粒子群优化算法HPSO-NA来实现虚拟机整合。实验结果表明,该方法能有效降低整体能耗。

摘要：当前时间序列Shapelet发现算法普遍采用穷举法,需要计算所有时间序列子序列的信息增益,效率较低。针对此问题,提出一种基于矩阵轮廓的Shapelet发现算法。选出最具代表性的时间序列对,计算其轮廓矩阵和差异向量,找到一簇关键区域;对找到的关键区域进行剪枝;在关键区域上搜索Shapelet并计算其信息增益,提升算法效率。在15个UCR数据集上,通过时间序列二分类实验对所提Shapelet发现算法进行验证。实验结果表明,所提算法结合Shapelet转换后具有较强分类能力,计算效率明显优于现有Shapelet发现算法。

摘要：文本分类/聚类是机器学习、信息检索、知识管理等多个领域的核心任务。由于近年来Web文本数据呈指数式增长,要高效实现文本分类和聚类,需要采用更高性能的计算平台。笔者基于云计算技术,采用阿里云ECS、Hadoop和Mahout等开源工具,设计并实现了一种高性能的海量文本分类/聚类系统。

摘要：互联网舆情监测系统采用搜索引擎"Lucene"实现互联网数据的爬取与检索,通过舆情分析引擎实现舆情的话题检测和热点发现,最后用户通过客户端进行舆情监测。文章详细介绍了该系统的体系结构、功能模块及其关键技术。

摘要：针对高安全单位内网对信息流转细粒度管控的需求,提出一种基于多维标签的信息流转双重管控模型。介绍一种多维标签,提出一种高效的信息流转实时判别算法;提出一种结合领域知识的多维标签自动标识算法,将算法标识标签与用户标识标签进行对比,实现"事后"审计与预警。经原型验证,信息流转实时判别算法的吞吐量能达到2000次每秒,系统预警的召回率指标和准确率能分别达到93.75%和89.3%。

摘要：从教育部推进高等学校工程教育专业认证开始,再到“工业4.0”和“智能制造”的兴起,以及中国“新工科”建设开启,地方高校的计算机专业人才培养就面临诸多考验。文章分析了“新工科”建设对地方高校计算机专业人才培养的要求,指出了目前存在的主要问题,并提出了一系列改进措施,如优化人才培养方案、推进工程教育认证、强化师资队伍建设、加大学科竞赛支持力度和加强校企合作等。

摘要：知识图谱是知识的地图,可以展现知识的起源、发展以及现状,并用可视化方法描述知识之间的联系,是目前计算机领域研究的一个热点问题。知识图谱目前主要用于改善信息检索,自动问答以及文本理解的性能。文章设计了一个基于知识图谱的社交服务体系,拟将社交网络中具有相同兴趣和需求的人组织到一起,以实现需求和服务的有效对接。并讨论了知识图谱和使用者以及信息服务提供者之间的关系,以及如何构建基于知识图谱的社交生态。