分布式智能垂直搜索引擎系统的设计

本系统旨在开发一个网络环境下的分布式智能垂直搜索引擎系统,其所处理的原始对象以网页为主,它们分散在整个网络图的不同节点上,为提高平台的智能化、自动化,必须把平台作为一个整体进行开发,实现数据的自动采集(网络爬虫)、数据的信息抽取问题(网页解析),数据的高效加工(索引、存储、聚类),数据的有效利用(检索、聚类),最终形成一个统一的系统,实现并完善为解决这些问题所需要的基础环境(分布式存储与并行计算)。     

基于IK-MD-SA聚类算法的电力数据审计疑点研究

为解决电力行业海量非结构化数据导致审计疑点数据效率、准确性低的难题,本文提出了一种基于迭代IK-MD-SA聚类电力大数据审计疑点算法。首先运用相异性度量算法通过构造相异性矩阵和计算均值相异性改进K-means聚类算法选择初始聚类中心,并将簇均值替换为簇中位数完成后续聚类中心迭代,以消离群点影响聚类结果的准确性。然后利用改进的蜂群算法对聚类结果进行优化,使其保证高运行效率的前提下聚类结果仍具有较高准确性。最后,通过离散性电力数据进行识别潜在疑点试验,验证了所提算法的可行性和有效性。     

基于不同主体的国有上市公司业绩评价研究北大核心

本文拟根据不同评价主体的不同目的对评价进行分类:基于投资目的的外部评价和基于经营管理目的的内部评价。外部评价利用K-均值聚类选取评价指标,内部评价利用系统聚类选取评价指标。结合安徽省国有上市公司进行实证研究,针对不同评价主体的不同使用目的得出更具针对性的评价结果,并给出相应建议。     

城市压力管道风险评估研究

灰色聚类法把城市压力管道系统当作一个灰色系统来研究,将灰色聚类理论应用于压力管道受灾程度的评价中,以我国压力管道为例,建立不同的聚类指标所拥有的隶属函数,确定聚类权重值,求得最大聚类系数及聚类结果,得出用灰色聚类法进行压力管道损失评价,既能体现事故损失等级界线的模糊性,又能充分利用信息,避免了模糊数学法的不合理之处。因而,灰色聚类法是一种简便、客观、可靠的方法。     

基于WIFI的课堂考勤系统设计

学生考勤普遍采用传统的方式,传统的方式处理的效率比较低,使用纸张登记管理比较混乱,对于考勤信息的统计比较繁琐。提出了一种基于局域网使用Android移动客户端、PC电脑端和Web服务器构成的学生考勤系统。学生使用Android客户端进行签到,并通过WIFI传到服务器,服务器进行处理,通过PC电脑端查看。通过测试基本满足要求。     

基于聚类算法的视频推荐系统的算法研究

针对目前视频推荐系统功能少、推荐数据不全面,以及采集用户数据不全推荐能力弱,用户体验差等问题,提出了一种基于聚类算法的视频推荐系统算法。通过自主开发的聚类算法中的AP-聚类分层分析所获取到的不同的用户信息,以及不同的用户的视频的关注度信息,形成不同的用户视频信息聚类库,结合用户视频信息库中的历史数据,进行标签设置,自主进行计算权重,利用开发的聚类层进行用户对视频信息的喜好进行排序,生成喜好序列表,最后通过聚类分层模型计算出不同用户在聚类信息库中的喜好视频信息,进行标签和推荐。该算法成功的对不同用户的视频信息进行了标签和推荐,且推荐针对性较强,命中率较高,具有一定的学术研究价值和实际推广意义。     

基于DKC值的K-means改进聚类算法的研究

由于K-means算法的中心点是随机选择的,这样会导致聚类结果很不稳定,同时,孤立点的存在也会影响到聚类的精度,为解决这些问题及二者之间互相牵制,文章基于DCK值来对初始聚类中心进行选择,同时去除数据中的孤立点,使得聚类中心相对稳定,再利用改进的k-means算法对数据进行聚类,改进后的算法较原始算法更准确。     

电子商务对会计发展的新趋势

在未来世纪的知识经济中，最重要的资源是知识与观念，而这类资源的投入与配置都离不开Internet，会计作为一个随着环境因素的变化而不断演变的人造经济系统也必然会随环境的变化而发展。网络的存在使现行会计所需处理的各种数据越来越多的以电子数据的形式直接存储于网络与计算机中，那么将会计系统内化为Internet的一部分，对企业的各各经济活动进行实时的反映与处理，并利用Internet与企业外部相关信息使用交换并发布信息，势必成为会计发展的必然趋势，会计也将由现在的传统形式演变为网络会计。     

基于密度的最佳聚类数确定方法

确定数据集的正确聚类数目是聚类分析中的一个基础性难题。常用的聚类数确定方法通常依赖特定的聚类算法,且在数据集存在子簇群的情况下效果欠佳。本文提出一种新的最佳聚类数确定的指标,该指标着重于分析簇的几何结构,从数据对象分布密度的角度来度量类内紧密度与类间分离度。该指标对噪声不敏感并且可以识别数据集中的子簇群,在实际数据和合成数据上的实验结果表明,新指标的性能优于广泛使用的其他指标。     

基于招聘信息的物流人才需求特征分析

对物流岗位招聘信息进行数据挖掘,将招聘数据分为工作职责描述和工作任职要求,使用文本分析和聚类算法对数据进行处理,分析物流人才需求特征,并从企业、高校、个人方面提出建议。