计算机科学杂志   北大期刊CSCD期刊统计源期刊

摘要：在高校就业信息化建设中，对进入高校招聘毕业生的企业客户进行等级分类和预测能够有效帮助高校管理者评估与该企业的合作效用，推动大学生就业信息化服务向更具针对性的个性化推荐方向发展。目前该问题的解决方案大多基于从业人员的主观经验判断，缺乏完善的定量分析模型。抽取某高校教育管理信息系统中与进校招聘企业客户相关的数据样本，并借助BP神经网络模型搭建有效的数据分析模型，使用训练样本数据训练模型从而确定分析模型中各节点参数，将训练后的分析模型用于预测测试样本集得到最终的性能指标，最后将该模型的分类性能与当前同类问题的其他解决方案进行比较。对比结果显示，基于BP神经网络模型的分类方式在预测准确度和精度方面明显优于其他现有模型。该研究成果能够在信息化平台中为该问题提供高效的解决方案，帮助高校就业工作管理者及服务人员依靠该模型对进校招聘企业做出快速精准的客户等级预测，为高校就业服务工作决策提供支持。

摘要：针对传统的Borda法存在无法反映方案之间优劣程度和容易被操纵的缺陷，设计了一种Borda分修正算法。该算法充分考虑了全局成员和单个成员两方面的利益，借鉴模糊Borda法变换得分值和SPAN法中成员相互作用的全局思想，对B0rda分矩阵进行修正；根据加权和公式集结方案的综合值进行方案排序；最后，通过一个算例验证了该算法的可行性与准确性。

摘要：以网络食品安全信息为研究对象，旨在提出一个能够解决食品安全领域专有名词指代不明的歧义消解算法。文中采用的歧义消解算法是在改进的TF-IDF特征选择算法的基础上，结合了隐含马尔可夫模型（HMM）和SVM分类器，从而实现专有名词的歧义消解。提出了一个在TF-IDF的基础上增加两个加权因子的特征提取算法LN-TF-IDF。实验表明，以202831条文本实验所得的准确率和召回率的调和平均值F1值为评价标准，设计的基于改进TF-IDF的食品安全领域歧义消解算法的效果比基于传统TF-IDF的歧义消解算法平均提升了7．31％，且在不同时间抓取的实验数据集下，本算法的效果也相对稳定。

摘要：引入了传热学中的理论研究方法，建立了文献时空分布和知识传播模型。基于传热学的理论在年份、热度、传播方式、衰减老化、影响能力、研究领域、研究内容等方面进行了创新性研究。提出了文献热度、文献热度累积量、文献热流量、文献热扩散系数等概念，用传热学中热源扩散以及能量守恒等观点研究文献的分布、知识传播能力以及生命周期的分析判断，并进行了实证研究。

摘要：通过分析分布式电源对配电网的影响，以有功功率损耗、电压质量及分布式电源总容量为优化目标，基于模糊理论建立了分布式电源在配电网中选址定容的多目标优化模型，并提出了一种改进粒子群算法进行求解。在算例仿真中，基于IEEE14标准节点系统，采用MATLAB仿真工具对所提算法进行了测试，证实了所提算法全局搜索能力较强、收敛速度较快，并通过比较分析验证了该模型和算法的可行性及有效性。

摘要：支持向量机参数是影响其性能的重要因素，但对支持向量机核参数的选取仍没有形成一套成熟的理论，从而严重影响了其广泛的应用。将克隆选择算法引入差分进化算法，对基本克隆选择算法和差分进化算法中的策略进行改进。将两种改进的算法进行融合，提出了一种基于克隆选择的差分进化算法，并将其应用于SVM核参数的优化中。测试结果表明，该算法不仅可以有效避免差分进化算法易早熟收敛的问题，而且寻优能力得到显著提高；在UCI数据库wine数据中的应用表明，利用克隆选择差分进化算法优化SVM核参数加快了参数搜索的速度，提高了SVM预测精度和泛化能力，具有较高的分类准确率和较好的推广性能。

摘要：针对蛋白质构象空间搜索问题，提出一种蛋白质构象空间局部增强差分进化搜索方法。在差分进化算法框架下，采用Rosetta Score3粗粒度知识能量模型有效降低构象空间的搜索维数，加快算法收敛速度；引入基于知识的片段组装技术可以有效提高预测精度；利用Monte Carlo算法良好的局部搜索性能对种群做局部增强，以得到更为优良的局部构象；结合差分进化算法较强的全局搜索能力，可以对构象空间进行更为有效的采样。5个测试蛋白实验结果表明，所提算法具有较好的搜索性能和预测精度。

摘要：供应链竞争力变量因素多、信息量少、数据收集困难，造成其难以被准确评价。针对该问题构建了一个新的供应链评价指标体系，提出了一种新的供应链竞争力评价方法。它利用蜂群算法全局优化能力强的优点，对支持向量机的控制参数进行有效优化，以此为基础，构建了ABC-SVM评价模型。实验结果表明，所提方法能够有效提高供应链竞争力的评价精度，对提高企业决策效率具有积极意义。

摘要：心电特征参数的选择和提取是心电图（ECG）分析的基础，提升检测算法的识别率和特征分类的精度是自动分析技术的关键。提出了基于小波变换和属性约简的心电早搏信号识别算法。该算法首先依据心血管专家的诊断标准选择了12个心电特征参数；然后运用基于小波变换的特征检测算法进行了特征提取，并利用基于粒计算的属性约简算法对特征参数进行了属性约简；最后，将约简后的数据用于模式分类并通过MIT-BIH数据库对结果进行验证。实验表明，约简后的分类精度大大高于约简前的数据，特征参数的合理选择（约简）是提高识别效率的重要因素。

摘要：随着电子阅读在近年来的兴起，通过研究用户对电子书籍的喜好，利用协同过滤推荐算法向用户进行个性化的书籍推荐具有实际应用价值，也成为了推荐系统研究中的重要内容。但当前很多书籍推荐应用中都存在缺少用户评分数据甚至没有用户评分的情况，使得传统协同过滤推荐方法的应用受阻。为解决此问题，通过分析处理用户阅读数据的相关行为数据，将此类行为数据通过时间-频次模型建模并得到用户-书籍评分矩阵，并利用该评分进一步实现基于用户的协同过滤书籍推荐算法。实验结果表明，改进的书籍协同过滤推荐算法的时间-频次模型能够提高书籍的推荐效果，具有实践研究意义。

摘要：目标变量的马尔科夫毯（MB）是用于预测其状态的最优特征子集。提出一种新的约束学习类MB推导算法FSMB，它遵循后向选择的搜索策略，并依赖条件独立（CI）测试删除任意结点对之间的伪连接。与传统约束学习类算法不同，FSMB能从已执行的CI测试推导出不同结点扮演出分割（d—separation）结点的优先等级；而后基于该信息在未来优先执行条件集中包含高优先级结点的CI测试，从而更快速地判断并删除伪连接边。该策略可帮助快速缩小搜索空间，从而大大提升学习效率。基于仿真网络的实验研究显示，FSMB在计算效率上较经典的PCMB和IPC-MB有显著的提升，而学习效果相当；在面对较大网络结构时（比如100和200个结点），甚至比公认最快速的IAMB还节省近40％的计算量，但学习效果要远优于IAMB。基于16个UCI数据集和4个经典的分类模型的实验显示，基于FSMB输出的特征集合所训练模型的分类准确率普遍接近或高于基于原有特征全集训练所得模型。因此，FSMB是快速且有效的MB推导算法。

摘要：针对当前自然语言处理中中文分词基于词典的机械分词方法，正序词典不能作为逆向最大匹配分词词典以及反序词典维护困难的问题，提出一种新的词典构造方法并设计了相应的双向最大匹配算法，同时在算法中加入了互信息歧义处理模块来处理分词中出现的交集型歧义。该算法可以在分词的过程中显著提高分词的精确度，适用于对词语切分精度要求较高的中文语言处理系统。

摘要：针对近邻传播聚类算法不能处理混合属性数据集的问题，提出了一种新的距离度量测度，并将其应用到近邻传播聚类算法中，提出了一种基于维度属性距离的混合属性近邻传播聚类算法。与传统聚类算法不同的是，该算法不需要计算虚拟的中心点，同时考虑了数据集整体分布对聚类结果的影响。将算法在UCI数据库的2个混合属性数据集上进行验证，同时对比了经典的K—Prototypes算法以及K-Modes算法。实验结果表明，改进后的算法具有更好的聚类质量以及执行效率，算法的优越性得到了验证。

摘要：针对协同编辑中存在的各种不一致性问题，提出一种基于操作转换的并发控制算法ICOT。此算法是在COT算法的基础上进行改进的，通过合理利用操作的中间转换版本，减少了操作之间转换执行的次数，解决了操作转换重复的问题，同时给出了具体的实例分析来验证改进后算法的正确性和有效性，结果说明ICOT算法能使得各个编辑副本得到有效的一致性维护。

摘要：在面对现实中广泛存在的不平衡数据分类问题时，大多数传统分类算法假定数据集类分布是平衡的，分类结果偏向多数类，效果不理想。为此，提出了一种基于聚类融合欠抽样的改进AdaBoost分类算法。该算法首先进行聚类融合，根据样本权值从每个簇中抽取一定比例的多数类和全部的少数类组成平衡数据集。使用AdaBoost算法框架，对多数类和少数类的错分类给予不同的权重调整，选择性地集成分类效果较好的几个基分类器。实验结果表明，该算法在处理不平衡数据分类上具有一定的优势。