我们应该如何认识数学的本质--对林夏水先生"论数学的本质"一文的商榷

对数学的本质应该怎样认识，这不仅是数学哲学的一个基本问题，而且是一个具有时代性、前瞻性、发展性、综合性的数学哲学核心问题．对数学本质的认识不应该从传统数学哲学的角度退缩到方法论的一个狭隘的层面，而应该从更广阔的、更为多样的角度进行透视．林夏水先生的“数学是一门演算的科学”的见解，忽略了数学的非演绎性和非算法性，因而无法完全概括数学的本质．在数学深刻的思想与知识变革过程中，“数学是关于模式的科学”的观点是对数学本质的恰当定位。     

基于对数变换的凸二次规划不可行内点算法

基于对数变换和不可行内点算法,对凸二次规划提出了一种新的迭代方向原始-对偶不可行内点算法,并证明了算法的全局收敛性和多项式复杂性,该算法可以看做近期Pan等人关于线性规划算法的推广.     

基于混沌映射、小波变换和RSA加密的数字水印算法

本文提出了一种新的公开算法的数字水印算法。该算法首先应用Logistic映射构造了一个原始图像的子图,其次把DWT变换作用在这个子图上得到两个子带LH1和HL1,然后对这两个子带进行RSA加密并把水印嵌入在这两个被加密的子带上,接着解密这两个子带并通过IDWT变换重构子图,最后按构成子图的顺序把每一个8×8像素的小块放回到原图中相应位置,从而得到了一个嵌入了水印信息的图像。实验结果表明,通过该算法嵌入的水印具有较好的鲁棒性、安全性和不可感知性。     

改进蚁群算法的动态K-均值聚类分析

提出了一种基于改进蚁群算法的动态K-均值聚类算法思想,该算法首先利用蚁群算法的较强处理局部极值的能力,动态地确定了聚类数目和中心,然后利用蚁群聚类得到的结果,再进行K-均值聚类弥补蚁群算法的不足。两者有机结合起来可以寻求到具有全局分布特性的最优聚类,实现了基于改进的蚁群聚类算法分析。     

基于关联规则的数据挖掘技术在高校教学评价中的应用

目前很多高校对教师教学质量的评价主要是给出一个结论,而对影响教学质量的因素没有进行分析。本文将基于关联规则的数据挖掘技术应用在教学评价中,对挖掘结果进行分析,并提出了指导意见。     

一种基于聚类与关联规则算法的DDoS攻击检测模型

分布式拒绝服务（Distribute Denial of Service）攻击是当前主要的网络安全威胁之一．本文分析了DDoS攻击的本质特征,提出了一种基于数据挖掘算法的DDoS攻击检测模型．该模型使用聚类算法与关联规则对网络流量与网络数据包连接状态分别建立特征模型,并确定DDoS攻击的检测阈值．实验表明,该检测模型能够实时有效的检测DDoS攻击．     

数字图书馆中的检索结果聚类和关联推荐研究

探讨如何在数字图书馆的文献检索平台中集成实现检索结果聚类、相关文献的关联推荐、相关作者和研究机构的关联推荐以及相关词语的关联推荐,由此帮助用户全面提高查准率和查全率,并且对聚类和推荐结果采用图形进行可视化展示,进一步提高用户的使用满意度。     

水上交通加权安全评价中权重向量的异常分析

为提高指标权重在水上交通安全评价中的准确性,提出一种基于DBSCAN算法的权重向量异常分析方法.该方法选取加权评价法为研究对象,以DBSCAN算法为检测方法,对水上交通加权安全评价中的权重向量进行异常分析.实例表明,在130组数据中,异常权重向量共3组.从数据分布情况看,异常向量与正常向量有比较明显的差异,说明此方法能有效识别异常向量,是可行的.该方法对权重向量集进行分析后,可防止异常权重向量的干扰,提高评价结果的质量.     

一种论文作者重名消歧方法

作者重名消歧是一个重要又复杂的研究课题,在科技文献检索工作中,作者重名问题势必会降低文献检索的效率和准确性,影响工作进度。提出一种改进粒子群算法优化的BP（Back Propagation）神经网络算法,以解决作者重名消歧问题。首先引入Beta分布的动态惯性权重,提高算法全局搜索能力|其次利用改进粒子群算法优化的权值和阈值,作为BP神经网络的初始权值和阈值进行模型训练,以加快模型训练速度|最后通过特征评价函数过滤式选取排序较优的M维特征子集作为输入层特征向量训练模型,得到最终预测结果,从而精确区分重名的作者。实验研究表明,该模型对重名作者身份的预测准确率可达89.01%,证明了该算法的有效性。     

带余除法与同余对循环小数的一个应用

利用同余及带余除法解决：小数展开式最简单的分数；对任意正整数n，不用直接做小数除法，1／n的小数展开式循环节的长度的上限及相关问题．