CSFB性能质差小区优化方法

专业嵌入式软件开发 全面走向高质高效编程 李云.part2， 一共2个部分

专业嵌入式软件开发 全面走向高质高效编程 李云.part1， 一共2个部分

近年来,基于异质信息网络的研究受到国内外广泛的关注,很多研究工作(如聚类、分类、推荐等)都是在异质信息网络上开展的。异质信息网络是一种包含不同类型节点和边的网络,它具有更加复杂的网络结构和更加丰富的语义信息,可以更全面地表示系统的组成对象和他们之间的关系。在异质信息网络中,度量节点间的相似性是开展聚类、推荐等工作的基础。目前,国内外已提出许多相似性度量方法来解决异质信息网络节点相似性度量的问题,HeteSim算法就是其中一种代表性方法。HeteSim是一种基于双向随机游走的度量方法,目前HeteSim相似度计算均采用单节点计算模式,然而随着信息网络的急剧膨胀,传统的单节点计算模式已无法满足HeteSim快速计算的需求,开发在集群上运行的HeteSim并行化算法成为当务之急。本文基于分布式计算框架Spark,研究并实现了异质信息网络相似性度量方法HeteSim的并行化算法。首先,本文提出基于矩阵乘法的HeteSim并行化算法。HeteSim并行化的核心是矩阵乘法的并行化,本文针对传统矩阵乘法并行化算法内存消耗大,网络开销大,执行时间长的缺点,提出改进算法,并基于改进算法,实现了基于矩阵乘

实际系统往往由大量类型各异、彼此交互的组件构成.当前大多数工作将其建模为同质信息网络,并未对网络中不同类型的对象及链接加以区分.近年来,越来越多的研究者将这些互联数据建模为由不同类型节点和边构成的异质信息网络,并利用网络中全面的结构信息和丰富的语义信息进行更精准的知识发现.随着大数据时代的到来,异质信息网络自然融合异构多源数据的优势使其成为解决大数据多样性的重要途径.因此,异质信息网络分析迅速成为数据挖掘研究和产业应用的热点.本文对异质信息网络分析与应用进行了全面综述.除介绍异质信息网络领域的基本概念外,重点聚焦基于元路径的数据挖掘方法、异质信息网络的表示学习技术和实际应用三个方面的最新研究进

初试初试——简单又实用，纸质资料

提出顾及空间异质性的多尺度空间负荷预测模型。提出空间变异系数和尺度的概念，在此基础上提出按照空间变异系数对元胞空间进行不规则区域划分的方法，将得到的分区按照不同的相似度阈值进行区域聚类融合，得到不同尺度下的区域划分，然后将每一尺度下得到的结果进行叠加来预测空间负荷的分布。实例验证表明，所提模型提高了空间负荷预测的准确率。

11plus，不能自动编码，其余功能齐全

中国脂质体阿霉素市场现状研究分析与发展前景预测报告.txt

4.多类异质主体 NetLogo可以定义不同类别(称为breeds)的turtles，各类turtle可以拥有特有的属性和例程。 定义关键词为breed，例如： breed [wolves wolf] breed [sheep a-sheep] 一旦定义了一类turtle，系统自动创建该类所有turtle的集合，一些相关的原语也马上可以使用了， 例如对于sheep类就有create-sheep、hatch-sheep、is-a-sheep?等。 也可以指定该类具有的变量，例如对于sheep，“sheep-own [grabbed?]”就为sheep增加了一个变量。