检索结果-内蒙古大学图书馆

实验室研究与探索 2018年第10期37卷 146-150页

作者：唐灯平凌兴宏魏慧苏州大学文正学院江苏苏州215006 苏州大学计算机科学与技术学院江苏苏州215006 苏州大学江苏省计算机信息处理技术重点实验室江苏苏州215006

将局域网接入互联网的方式有多种,掌握这些接入方式是计算机网络专业学生的基本技能,学生既要掌握理论知识,又要通过实验真正实现这些接入方式。路由器自动拨号上网是常见的接入互联网的方式,该方式主要涉及PPPoE、PAT技术。由于实验条... 详细信息

将局域网接入互联网的方式有多种,掌握这些接入方式是计算机网络专业学生的基本技能,学生既要掌握理论知识,又要通过实验真正实现这些接入方式。路由器自动拨号上网是常见的接入互联网的方式,该方式主要涉及PPPoE、PAT技术。由于实验条件限制加上传统仿真软件不能仿真该实验的不足,传统教学方式中仅仅是理论知识的讲解,不能达到很好的教学效果。新的EVE-NG仿真软件避免了传统仿真软件不足能够仿真该实验。学生通过该仿真软件能够独立完成从网络结构搭建到设备配置,直至系统测试全过程。实验过程加强了学生对路由器拨号上网进一步理解,同时为高校教师仿真类似实验提供借鉴。

关键词：下一代虚拟仿真环境以太网点对点协议端口地址转换访问控制列表虚拟局域网综合实验

来源：评论

学校读者我要写书评

暂无评论

基于Relief特征选择的心衰死亡率预测

引用

计算机工程与应用 2018年第23期54卷 125-130页

作者：姚丽娟李冬冬王喆华东理工大学信息科学与工程学院上海200237 苏州大学江苏省计算机信息处理技术重点实验室江苏苏州215006

提出心衰死亡率预测系统,预测心衰病人本次住院后30天内死亡率。基于上海曙光医院提供的心衰病人信息,首先对原始数据和特征进行预处理。由于特征的冗余性,再选用经典的Relief特征选择算法筛选出重要的心衰特征,最后选用bp-SVM算法来实... 详细信息

提出心衰死亡率预测系统,预测心衰病人本次住院后30天内死亡率。基于上海曙光医院提供的心衰病人信息,首先对原始数据和特征进行预处理。由于特征的冗余性,再选用经典的Relief特征选择算法筛选出重要的心衰特征,最后选用bp-SVM算法来实现死亡率预测。实验结果证明,死亡率预测系统可以达到较高的性能并通过提供决策信息,辅助医生治疗病人。医生可以根据系统预测的病人死亡率的高低,采取不同的治疗方式,提高临床诊断结果和医院的资源分配。

关键词：特征选择 bp-SVM 死亡率预测心衰机器学习

来源：评论

学校读者我要写书评

暂无评论

使用全局优化方法识别中文事件因果关系

引用

清华大学学报（自然科学版） 2017年第10期57卷 1042-1047页

作者：李培峰黄一龙朱巧明苏州大学计算机科学与技术学院苏州215006 江苏省计算机信息处理技术重点实验室苏州215006

分类器模型是目前识别因果关系的主要模型,该方法存在的问题是只考虑2个事件之间的关系,没有考虑同一文档中其他关联事件所包含的信息,识别结果往往存在逻辑矛盾。该文提出了一个中文事件因果关系识别的全局优化方法,该方法采用整数线... 详细信息

分类器模型是目前识别因果关系的主要模型,该方法存在的问题是只考虑2个事件之间的关系,没有考虑同一文档中其他关联事件所包含的信息,识别结果往往存在逻辑矛盾。该文提出了一个中文事件因果关系识别的全局优化方法,该方法采用整数线性规划(integer linear programming,ILP)的推理方法,对基本逻辑关系、因果标志词、事件类型、论元信息进行有效约束,以文档为单位来优化因果关系识别。在该文标注语料上的实验结果表明:与分类器方法相比,该文提出的全局优化方法的F1值提升了5.54%。

关键词：事件关系因果关系整数线性规划(ILP) 全局优化

来源：评论

学校读者我要写书评

暂无评论

基于移动Agent的停车诱导云平台的研究与应用

引用

计算机应用与软件 2018年第7期35卷 142-147页

作者：戴大东吴宏杰陆悠李铭华丁志平苏州科技大学电子与信息工程学院江苏苏州215009 苏州大学江苏省计算机信息处理技术重点实验室江苏苏州215006 苏州市公安局江苏苏州215006

现实的多停车场资源统一诱导系统中,由于停车硬件厂商、归属、开放时间、收费标准都难以统一,导致系统中停车资源异构、智能计算能力弱、第三方接入困难、安全级别较低等问题。针对这些问题,提出一种基于移动Agent的停车诱导云平台,利用... 详细信息

现实的多停车场资源统一诱导系统中,由于停车硬件厂商、归属、开放时间、收费标准都难以统一,导致系统中停车资源异构、智能计算能力弱、第三方接入困难、安全级别较低等问题。针对这些问题,提出一种基于移动Agent的停车诱导云平台,利用Agent在协作性、共享性、安全性方面的内在优势与云平台的开放性优势相结合。通过建立ParkAgent的结构化层、迁移层、协作层和共享层,有效改进了异构资源统一、异地资源协同、第三方系统安全快速接入问题。在云平台架构下,实现了后台云服务与前端云硬件终端的对接。该系统在苏州城市管理中进行实际应用,优化了停车场资源的分配,显著提高资源利用率,为出行提供了方便。

关键词：移动Agent 云平台停车诱导

来源：评论

学校读者我要写书评

暂无评论

基于虚拟栅格的传感网能量空洞缓解方法

引用

计算机工程与应用 2018年第2期54卷 102-106页

作者：陈欢沙超吴梦庭王汝传南京邮电大学计算机学院软件学院南京210003 苏州大学江苏省计算机信息处理技术重点实验室江苏苏州215006 南京邮电大学海外教育学院南京210003

为延长无线传感网的生命期,提出了一种能量空洞缓解方法。网络被划分为若干虚拟栅格,以便于多跳传输。树形结构的数据上传路径则由各个簇头和移动Sink构成。此外,为缓解能量空洞的出现,Sink的移动轨迹被设计为可控的,从而有效均衡了能... 详细信息

为延长无线传感网的生命期,提出了一种能量空洞缓解方法。网络被划分为若干虚拟栅格,以便于多跳传输。树形结构的数据上传路径则由各个簇头和移动Sink构成。此外,为缓解能量空洞的出现,Sink的移动轨迹被设计为可控的,从而有效均衡了能耗。仿真结果表明,该方法在多跳传感网络的节能方面表现较为良好。

关键词：无线传感网能量空洞虚拟栅格移动路径

来源：评论

学校读者我要写书评

暂无评论

一种不稳定环境下的策略搜索及迁移方法

引用

电子学报 2017年第2期45卷 257-266页

作者：朱斐刘全傅启明陈冬火王辉伏玉琛苏州大学计算机科学与技术学院江苏苏州215006 苏州大学江苏省计算机信息处理技术重点实验室江苏苏州215006 符号计算与知识工程教育部重点实验室(吉林大学) 吉林长春130012 苏州科技学院电子与信息工程学院江苏苏州215011

强化学习是一种Agent在与环境交互过程中,通过累计奖赏最大化来寻求最优策略的在线学习方法.由于在不稳定环境中,某一时刻的MDP模型在与Agent交互之后就发生了变化,导致基于稳定MDP模型传统的强化学习方法无法完成不稳定环境下的最优策... 详细信息

强化学习是一种Agent在与环境交互过程中,通过累计奖赏最大化来寻求最优策略的在线学习方法.由于在不稳定环境中,某一时刻的MDP模型在与Agent交互之后就发生了变化,导致基于稳定MDP模型传统的强化学习方法无法完成不稳定环境下的最优策略求解问题.针对不稳定环境下的策略求解问题,利用MDP分布对不稳定环境进行建模,提出一种基于公式集的策略搜索算法——***算法在学习过程中搜集所获得的历史样本信息,并对其进行特征信息的提取,利用这些特征信息来构造不同的用于动作选择的公式,采取策略搜索算法求解最优公式.在此基础之上,给出所求解策略的最优性边界,并从理论上证明了迁移到新MDP分布中策略的最优性主要依赖于MDP分布之间的距离以及所求解策略在原始MDP分布中的性能.最后,将FSPS算法用于经典的Markov Chain问题,实验结果表明,所求解的策略具有较好的性能.

关键词：强化学习策略搜索策略迁移不稳定环境公式集

来源：评论

学校读者我要写书评

暂无评论

基于移动社交环境的用户行为最优关联预测

引用

北京邮电大学学报 2017年第6期40卷 50-56页

作者：张晖王敏南京邮电大学江苏省无线通信重点实验室南京210003 南京邮电大学通信与网络技术国家工程研究中心南京210003 苏州大学江苏省计算机信息处理技术重点实验室江苏苏州215006

提出了一种基于移动社交环境的用户行为多重分析与最优预测算法.首先,针对目标用户所属的各个社交群组,分别建立基于代表度的最优化模型,选择出任一社交群组内最具代表的关联用户,以分析目标用户在不同社会属性下的业务行为;特别地,代... 详细信息

提出了一种基于移动社交环境的用户行为多重分析与最优预测算法.首先,针对目标用户所属的各个社交群组,分别建立基于代表度的最优化模型,选择出任一社交群组内最具代表的关联用户,以分析目标用户在不同社会属性下的业务行为;特别地,代表度由基于Kendall系数的相似度和基于交互统计的交互度联合构成;其次,借助Apriori理论分别对目标用户和各最具代表的关联用户进行关联分析,并提出基于最小二乘模型的加权融合方法,以最优地融合上述关联分析结果且实现用户行为的精准预测.仿真结果验证了该算法的有效性.

关键词：移动社交环境行为分析行为预测关联分析最小二乘模型

来源：评论

学校读者我要写书评

暂无评论

基于余弦相似性的供应商选择方法

引用

山东大学学报（工学版） 2017年第1期47卷 1-6页

作者：张莉夏佩佩李凡长苏州大学计算机科学与技术学院江苏苏州215006 苏州大学江苏省计算机信息处理技术重点实验室江苏苏州215006

提出一种基于余弦相似性的改进TOPSIS(technique for order preference by similarity to ideal solution)法并将其应用于解决供应商选择的问题。夹角余弦的距离度量方式隐含了传统TOPSIS法中属性权重,提高了决策的客观性。在供应商选... 详细信息

提出一种基于余弦相似性的改进TOPSIS(technique for order preference by similarity to ideal solution)法并将其应用于解决供应商选择的问题。夹角余弦的距离度量方式隐含了传统TOPSIS法中属性权重,提高了决策的客观性。在供应商选择的实例上证明了所提方法有较强的科学性和合理性。

关键词： TOPSIS 余弦相似性供应商选择多属性决策欧氏距离

来源：评论

学校读者我要写书评

暂无评论

基于顶点度数的完全独立生成树研究

引用

计算机科学 2017年第6期44卷 94-96,107页

作者：林政宽赵源樊建席程宝雷苏州大学计算机科学与技术学院苏州215006 江苏省计算机信息处理技术重点实验室苏州215006

在计算机互连网络中,完全独立生成树在信息的可靠传输、并行传输、安全分发等方面具有重要的作用。假设图G中存在n棵生成树T_1,T_2,…,T_n,若对于图G中任意两个顶点u和v,满足u和v之间的路径在这n棵树中都是顶点不相交的,则称这n棵树为... 详细信息

在计算机互连网络中,完全独立生成树在信息的可靠传输、并行传输、安全分发等方面具有重要的作用。假设图G中存在n棵生成树T_1,T_2,…,T_n,若对于图G中任意两个顶点u和v,满足u和v之间的路径在这n棵树中都是顶点不相交的,则称这n棵树为完全独立生成树(CISTs)。在2015年,Chang等人证明了对于包含n(n≥6)个顶点的任意图G,如果图G的最小顶点度数至少为n-2,那么,G中存在至少n/3棵CISTs^([1])。在Chang等人的基础上,文中继续深入研究了图G中顶点度数和CISTs的棵数之间的关系。对于包含n(n≥5)个顶点的任意图G,假设图G的最小顶点度数至少为n-2,得出度数为n-2的顶点的个数、度数为n-1的顶点的个数与图G中CISTs的棵数之间关系的推导等式,并证明了其正确性,从而改进了文献[1]中的结果。

关键词：完全独立生成树可靠传输互连网络图

来源：评论

学校读者我要写书评

暂无评论

一种中文事件事实性识别方法

引用

计算机科学 2017年第5期44卷 241-244,256页

作者：何天雄李培峰朱巧明苏州大学计算机科学与技术学院苏州215006 江苏省计算机信息处理技术重点实验室苏州215006

事件事实性指出了事件发生与否的确定性程度,是自然语言理解的基础。在研究过程中,针对中文事件的事实性识别问题,提出了一种基于特征工程的有效识别方法。该方法选取事件的事实性相关信息进行特征的处理和转化。同时,考虑到部分特征与... 详细信息

事件事实性指出了事件发生与否的确定性程度,是自然语言理解的基础。在研究过程中,针对中文事件的事实性识别问题,提出了一种基于特征工程的有效识别方法。该方法选取事件的事实性相关信息进行特征的处理和转化。同时,考虑到部分特征与事件事实性之间的联系,依据规则进行特征融合。实验证明,相比基于规则的事件事实性识别方法,该方法有着更好的识别效果。

关键词：事件事实性识别方法特征的转化和融合

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：