在线综合+亚洲+欧美中文字幕,欧美一区二区在线,热久久国产欧美一区二区精品

基于K-means的私人微博聚類算法改進

針對私人微博內(nèi)容進行聚類研究，結合私人微博的內(nèi)容和結構特點提出了基于K-means的改進聚類算法。通過添加引用和評論內(nèi)容豐富了文本內(nèi)容，降低了短文本矩陣向量嚴重稀疏性帶來的聚類算法準確性降低的影響；通過甄別“微話題”內(nèi)容和改進相似度的計算，找到初始化類別并進行初步計算得到合適的類別數(shù)目和初始中心點，解決了K-means算法中聚類數(shù)目K需人工指定和初始中心點選取隨機性的問題。實驗結果表明，改進后的算法不僅可以自適應地得到K值，較普通的K-means算法在聚類的準確率上有所提高。

發(fā)表于：5/28/2015

多維Web服務網(wǎng)關的高并發(fā)問題研究

為了解決多維服務網(wǎng)關因高并發(fā)情況而導致的網(wǎng)絡擁塞、服務器性能降低問題，提出了一種改進的線程池服務器設計方法。首先根據(jù)經(jīng)驗值創(chuàng)建一個尺寸最優(yōu)的線程池，并結合SQLite數(shù)據(jù)庫為線程池添加一個瞬時同類服務請求合并模塊。該模塊對請求連接進行分類，劃分優(yōu)先級，然后根據(jù)不同的請求優(yōu)先級把與其優(yōu)先級對應的Tl秒內(nèi)的同類請求合并為1個請求，以此來降低整個服務過程的時延，提高請求響應速度。實驗表明，該設計能夠有效地降低高并發(fā)情況下的擁塞現(xiàn)象，并降低網(wǎng)絡時延。

發(fā)表于：5/28/2015

一種動態(tài)Web自動裝配系統(tǒng)的設計與實現(xiàn)

大多數(shù)中小企業(yè)的Web系統(tǒng)屬于輕量級業(yè)務處理。基于Java Web平臺，提出了一種輕量化系統(tǒng)開發(fā)架構，該架構實現(xiàn)了請求形式的改變與業(yè)務處理本質(zhì)的統(tǒng)一，支持常規(guī)業(yè)務邏輯的自動裝配處理，具有可復用、標準化、代碼量低的優(yōu)勢。

發(fā)表于：5/27/2015

視頻監(jiān)控技術在標準化考點網(wǎng)上巡查系統(tǒng)中的應用

高校標準化考點網(wǎng)上巡查系統(tǒng)是基于IP網(wǎng)絡智能視頻監(jiān)控技術上建立起來的綜合性教育考試管理業(yè)務應用系統(tǒng)。該系統(tǒng)由前端、傳輸、存儲、顯示/控制四個部分組成。建成后的網(wǎng)上巡查系統(tǒng)可以通過監(jiān)控管理平臺，對考場內(nèi)的音視頻圖像進行采集、傳輸、存儲、實時監(jiān)控及對歷史音視頻數(shù)據(jù)進行檢索、回放、下載等操作，可以做到考試全過程監(jiān)控，起到事前監(jiān)督、事中控制、事后取證的作用。

發(fā)表于：5/27/2015

建筑CAD墻體識別與剪裁算法設計

以建筑AutoCAD矢量圖形文件為研究載體，以墻體為主要研究對象，設計了墻體數(shù)據(jù)深度優(yōu)先探測提取算法。根據(jù)提取出的墻體數(shù)據(jù)集合，設計了基于凹點分割的墻體裁剪算法，該算法已在實踐中進行了反復驗證，高效可靠。在此基礎上提出了以中軸線+屬性形式代替墻體的設計思想，構建墻體抽象模型，為建筑工程量自動計算提供數(shù)據(jù)支持。

發(fā)表于：5/27/2015

基于嵌入式Web服務器的無線空氣質(zhì)量監(jiān)測系統(tǒng)

提出了以多個探測節(jié)點和一個監(jiān)測終端利用有線和無線相結合，構建小范圍內(nèi)無線采集環(huán)境信息系統(tǒng)，通過監(jiān)測終端實現(xiàn)與互聯(lián)網(wǎng)相連，達到遠程監(jiān)測功能。監(jiān)測終端實現(xiàn)數(shù)據(jù)接收分析和Web服務器功能，探測節(jié)點實現(xiàn)對空氣中一氧化碳、VOC（Volatile Organic Compounds）、煙霧、可燃氣體的濃度的采集、處理、顯示和無線傳輸。

發(fā)表于：5/27/2015

基于概率密度和ASIFT的彩色圖像檢索方法

針對全局圖像特征不能有效刻畫彩色圖像內(nèi)容信息的問題，提出了一種基于興趣點的彩色圖像特征檢索方法。首先基于仿射-尺度不變特征轉換（ASIFT）算法，利用亮度概率密度梯度進行興趣點提取；然后將提取后的興趣點映射回原圖像，構建顏色直方圖作為圖像的特征；最后通過計算不同圖像特征間的相似度進行圖像檢索。仿真實驗證明，該方法能夠充分地提取圖像中的角點、邊緣點和這些點的周圍點，較好地表達圖像的內(nèi)容，最終得到比較理想的檢索結果。

發(fā)表于：5/26/2015

基于Redis+MySQL+MongoDB存儲架構應用

Redis+MySQL+MongoDB技術架構實現(xiàn)了本項目中大數(shù)據(jù)存儲和實時云計算的需求。使用MongoDB切片的水平動態(tài)添加，可在不中斷平臺業(yè)務系統(tǒng)的同時保障擴容后的查詢速度和云計算效能；依據(jù)切片鍵索引分片，位于各切片獨立進行計算，使大數(shù)據(jù)下的實時分析成為現(xiàn)實。對于高頻訪問的數(shù)據(jù)放在了Redis中，有效地降低磁盤I/O，使業(yè)務系統(tǒng)響應更為敏捷，滿足了高并發(fā)下應用服務的高呑吐要求。

發(fā)表于：5/25/2015

基于Hadoop的小文件量化方法研究

Hadoop[1]是一個具有高擴展性、高可靠性、高容錯性和高效性的開源軟件系統(tǒng)，它已成為互聯(lián)網(wǎng)、金融、生物信息學等領域進行大數(shù)據(jù)分析和處理的代表性云計算平臺。它由Hadoop Distributed File System（HDFS）[2]和MapReduce[3]兩部分組成，其中，MapReduce主要用來處理數(shù)據(jù)密集型數(shù)據(jù)，而HDFS則主要負責大數(shù)據(jù)的存儲。

發(fā)表于：5/25/2015

高職學生綜合技能評估系統(tǒng)的設計與開發(fā)

結合高職院校職業(yè)技能的評估情況，利用流行的網(wǎng)絡開發(fā)技術，應用改進的決策樹ID3算法和XML技術，設計并實現(xiàn)了高職學生綜合技能評估系統(tǒng)，為高職教學提供可行的數(shù)據(jù)和決策支持。

發(fā)表于：5/24/2015

LPC與LSF系數(shù)轉換的FPGA實現(xiàn)

首先根據(jù)切比雪夫多項式求根法對LPC系數(shù)到LSF系數(shù)轉換過程進行分析與推導，并給出了根據(jù)已知的LSF系數(shù)進行逆推求LPC系數(shù)迭代算法。然后，借助DDS算法原理實現(xiàn)查找表搜索求根，并在FPGA上實現(xiàn)了LSF系數(shù)到LPC系數(shù)轉換。最后，給出了結論和分析。

發(fā)表于：5/21/2015

基于數(shù)據(jù)挖掘的呼叫中心IVR客戶細分研究

語音應答業(yè)務利用率低、人力需求成本高是一大問題，對此，結合案例，運用CRISP-DW方法，采用Clementine工具對所得數(shù)據(jù)進行分析處理，得到IVR客戶與地區(qū)分布、ARPU值和入網(wǎng)時長的關系；對IVR客戶進行聚類分析，總結出其重要特點；提出相應對策，幫助提高IVR客戶的滿意度和利用率。建立一個C5.0決策樹模型，分析預測客戶是基于什么情況才進入IVR系統(tǒng)的。分析IVR客戶與入網(wǎng)時長、地區(qū)、ARPU值之間的規(guī)則，有助于更準確地了解IVR客戶并對其細分。

發(fā)表于：5/18/2015

一種基于文件預測的分布式緩存模型

在分布式存儲中，客戶端的數(shù)據(jù)訪問請求并非完全隨機，它是由程序或者用戶的行為驅(qū)動，因此文件訪問順序是可以預測的；服務器端收到的訪問請求在時間軸上也非平坦分布，因此服務器有時繁忙有時空閑。為此，提出了一種基于文件預測的分布式緩存模型，在客戶端預測將要訪問的文件，并利用服務器空閑時間傳輸預測文件。

發(fā)表于：5/18/2015

LabVIEW中調(diào)用MATLAB進行信號處理方法研究

系統(tǒng)是由若干互相有著某種聯(lián)系的單元組成的一個能夠完成某種功能的整體。信號作用于某系統(tǒng)的響應如何，需要以某種方式去分析。系統(tǒng)分析需要經(jīng)過3個過程：(1)建模，以理論為基礎，對所要研究的對象創(chuàng)建一個數(shù)學模型；(2)分析該模型；(3)做出合理的物理解釋。分析過程很關鍵，方式方法很多，工具也很多，MATLAB和LabVIEW是常用的兩個軟件分析平臺。

發(fā)表于：5/13/2015

持續(xù)投入成就100億華為“雙驅(qū)”戰(zhàn)略在路上

在如今的全球通信行業(yè)，華為已經(jīng)站到了頂峰。在搶占了許多跨國巨頭的市場份額之后，那些跨國巨頭曾經(jīng)面臨的壓力也落在了華為的身上，畢竟通信設備市場需求不振不是短時間內(nèi)能扭轉的。不過這家在外界看來過于嚴謹、的技術型公司，沒有因此冒出“高處不勝寒”之類的感慨，而是主動轉向“服務”要增長，致力于搭建“產(chǎn)品”與“服務”雙動力的發(fā)展模式。

發(fā)表于：5/13/2015