基于文件连续体理论模型的“第五维度理论”

从文件生命周期理论到文件连续体理论,档案界对文件运动形式的理解从线性向多维转变。在后现代主义档案观的影响和跨界合作的时代背景下,四维的文件连续体理论模型逐渐向五维演变。本文以加拿大档案学者勒梅教授及其团队提出的“第五维度理论”为基础,认为应该充分考虑利用者在档案工作流程中的作用,同时将对档案的“探索”性开发看成是对文件连续体理论模型的第五个维度。     

档案领域RFID建设模式及常见问题研究

RFID应用于档案管理的模式有多种,主要与档案管理颗粒度、借阅利用频率、库房建设情况、档案类型情况等因素相关。本文从RFID特点出发,提出了档案领域RFID建设模式,构建了不同模式的适合应用场景,并就建设过程中常见问题进行了分析。     

技术异化视域下社交媒体错失恐惧现象分析

技术是推动社会发展变革的重要动力,人类发展技术以帮助自己摆脱对未知的恐惧.社交媒体的出现缩短了人与人之间的距离,随时随地获取新闻消息,了解组织动态,满足我们的信息获取及群体归属需求;但人们在技术使用过程中日益沉迷、渐进奴役.在当代,科学技术演化为一种操控的异化力量,它束缚人、操控人,最终掌控技术的人类逐步沦为囚禁在科技桎梏里的"奴隶".本文将从技术异化的视角解析新媒体发展所引起的特殊文化现象-错失恐惧,旨在警示沉溺于新媒介技术的大众,并反思技术所引发的异化问题.     

初中数学相似概念分类教学初探

概念教学是初中数学教学的重中之重,对于学生清晰牢固地掌握基础知识十分重要。实际教学中教师可以多方入手,帮助学生厘清相似概念之间的异同,提高学习质量。     

基于AR业务的多维光网络资源优化算法研究

为解决光网络业务动态变化导致的光网络资源严重碎片化,尤其是新型资源预留（AR）业务产生的时域碎片问题,针对IR和AR两种业务,关注时域和空域二维碎片化问题,提出一种基于时间相关性频谱连续度的多维光网络资源优化（ARP）算法,通过计算网络中各光路的频谱连续度,获取低于频谱连续度阈值的光路集合及其承载的AR业务集合,针对AR业务集合分别实施时间重构（RE-T）、时间与频谱重构（RE-TF）策略,实现业务的重新配置,并对此算法进行多指标性能评估。实验结果表明,在平均频谱连续度（ASC）、阻塞率（BP）、频谱利用率（SU）等方面,ARP算法相较于基准算法表现良好,能有效规整频谱碎片,提高频谱利用率,优化网络性能。     

供应链上信息流集成的实现和优化分析

研究有效的供应链信息共享模式,寻求供应链信息流集成的实现途径和优化手段。通过网络数据结构建立信息流网络模型,并构建信息流集成块,求顶点间的最小路径以确定两两信息共享成本最小的信息流集成块,利用信息共享能力指标体系和信息共享度来测量和确定信息流集成中心,提出了优化供应链信息流集成的方法和途径。     

一种基于加权关联规则的协同推荐算法

协同过滤技术不需要分析待推荐资源的内容信息,在电影、音乐、图书等非结构化数据占主流的电子商务推荐领域得到了广泛的应用,成为电子商务推荐领域的主流技术.针对基于项目的协同过滤算法不能实现"跨类型"推荐的缺点,本文提出了一种新的基于关联性评分预测的协同过滤算法IAPCF.区别于传统的算法,IAPCF算法根据项目之间的关联规则,而不是根据多用户对项目评分形成的向量间的相似度来寻找项目的最近邻居集合.该算法能较好地实现"跨类型"项目的推荐.实验结果表明,IAPCF算法具有更好的推荐精度.     

企业竞争弱信号的特征提取与定量识别研究

[目的/意义] 针对当前对企业弱信号定量研究不足的现状,通过层次分析和隶属度函数构建新方法对其进行定量识别,为企业战略决策管理和危机预警提供服务。[方法/过程] 首先,基于波特的五力模型构建七力模型,结合实证分析提取企业竞争弱信号的特征;其次,结合层次分析法构建影响因素指标体系,并计算各指标的具体权重;最后,结合隶属度函数对弱信号进行定量识别。[结果/结论] 通过层次分析法和隶属度函数,构建了企业竞争弱信号的定量识别方法,为企业战略决策管理和危机管理提供服务。     

基于灰色关联分析的作者相似度算法对比研究

[目的/意义]作者相似度研究是探测学科知识结构、挖掘潜在合作关系的重要基础.[方法/过程]本文拟构建作者的关键词—文献2模矩阵,通过研究矩阵对应的灰度图像之间的相似性来判定作者相似性,并利用灰色关联理论计算基于合著关系和基于关键词的作者相似度,最后进行实证分析,对比三种作者相似性结果.[结果/结论]实验表明:基于关键词...     

NFCNNC:一种新的模糊竞争神经网络聚类模型及其在文本聚类中的应用

提出了一种新的模糊竞争神经网络聚类模型NFCNNC,并将其应用到文本聚类中。NFCNNC将模糊中心聚类(FCC)算法得到的模糊聚类中心向量作为神经网络的权值,通过比较隶属度值得到获胜神经元。网络中仅两个神经元同时调节权值。隶属度值最大的神经元以较大的学习率调整权值,隶属度次大的神经元以较小的学习率调整权值,其他神经元权值不变。按照FCC算法调整模糊聚类中心向量值(即权值)和神经元的隶属度,当网络稳定时,即可确定聚类数。与传统模糊神经网络模型相比,本文的模糊神经网络模型具有结构简单、运行效率高、聚类精度高的优点,同时克服了传统算法需预先指定聚类数的局限性。通过对文本聚类的实验验证,本算法取得了良好的效果。