数据挖掘在教育信息化中应用的难点分析
作者：
何超，王立平
来源：
暂无
日期：
暂无
文献类型：
期刊
关键词：
有效数据
高校管理
数据挖掘
描述：
数据挖掘技术是管理者用来评估、改善内部运作和制定科学决策的工具,目前在众多领域已经取得了广泛应用.在高等教育领域中,数据挖掘不但能够挖掘出潜在的特征模式,而且能够有效指导管理、把握管理、规范管理,提高高校管理质量与效率,并促进教育体制的进一步完善和发展.该文阐述了数据挖掘的相关概念及挖掘过程,概括了数据挖掘在高校管理中的具体应用,深入分析了高校目前实施数据挖掘所面临的难点问题.
数据挖掘在教育信息化中应用的难点分析
作者：
何超，王立平
来源：
暂无
日期：
暂无
文献类型：
期刊
关键词：
有效数据
高校管理
数据挖掘
描述：
数据挖掘技术是管理者用来评估、改善内部运作和制定科学决策的工具,目前在众多领域已经取得了广泛应用.在高等教育领域中,数据挖掘不但能够挖掘出潜在的特征模式,而且能够有效指导管理、把握管理、规范管理,提高高校管理质量与效率,并促进教育体制的进一步完善和发展.该文阐述了数据挖掘的相关概念及挖掘过程,概括了数据挖掘在高校管理中的具体应用,深入分析了高校目前实施数据挖掘所面临的难点问题.
我国管理科学研究热点及代表人物的可视化分析
作者：
何超，许康
来源：
暂无
日期：
暂无
文献类型：
期刊
关键词：
可视化分析
研究热点
代表人物
管理科学
描述：
进入新世纪以来,管理科学在我国取得了蓬勃的发展,逐渐形成了庞杂的学科知识体系,与此同时,管理学也涌现了一大批管理科学专家,并在各自的领域中作出了卓越的贡献。利用中国期刊全文数据库(CNKI)2000～2009年的20种管理科学重要期刊文献为数据,从文献计量的角度对我国管理科学十年来的发展进行分析,通过可视化分析工具CiteSpace展示了企业与事业单位管理、管理基础与方法、宏观管理与政策研究三个主要的学科领域的代表人物和研究热点。
中国数量经济学的先驱者之一：周华章
作者：
何超，许康
来源：
暂无
日期：
暂无
文献类型：
期刊
关键词：
先驱者
数量经济学
周华章
描述：
周华章(1917 -1968),是我国最早的数量经济学博士(1952年,芝加哥大学经济学院),学界对其介绍却并不多。本文根据他的相关论著、史料和档案,并与近几年论述中国经济学史和管理学史的大量文献进行比较,发现他早在1944年就用数理经济学方法,对区位(区域)经济奠基者韦伯(Alfred Weber)的理论做了部分修正。他在芝加哥大学经济学院读博期间写的毕业论文得到了两位获诺贝尔经济学奖大师的指导,经过严谨的分析与论证,对萨缪尔森的理论提出了自己独特的见解。1953年,他还主持国际计量经济学会会长雅各布 .马尔沙克委托的研究项目。回国后即与钱学森、许国志、刘源张等为中国运筹学的引进和发展作出了最早的贡献。
一种带反向学习机制的自适应烟花爆炸算法
作者：
王立平，谢承旺
来源：
暂无
日期：
暂无
文献类型：
期刊
关键词：
反向学习
烟花爆炸算法
自适应爆炸半径
描述：
针对烟花爆炸算法全局优化能力不足、容易早熟收敛的缺陷,将反向学习机制引入其中,通过产生反向种群拓展算法的勘探范围;另外,基于种群内个体适应值的差异,提出一种自适应调整烟花弹爆炸半径的计算方法。以上策略有机结合形成了一种带反向学习机制的自适应烟花爆炸算法。将新算法与另4种代表性群智能优化算法一同在12个经典测试函数上进行对比实验,结果表明新算法具有显著的性能优势。
基于模拟退火的万有引力算法
作者：
王立平，肖乐意
来源：
暂无
日期：
暂无
文献类型：
期刊
关键词：
万有引力算法
模拟退火算法
函数优化
描述：
针对标准万有引力算法的个体位置更新策略可能对个体造成破坏且算法局部搜索能力较弱问题提出了一种改进算法.该算法将模拟退火思想引入万有引力算法,采用基于Metroplis准则的个体位置更新策略,并在引力操作之后,对每代最优个体进行退火操作.一定程度避免了个体移动的盲目性,提高了算法的局部搜索能力、收敛速度与精度.实验结果表明:算法的改进策略是有效的,且改进后的算法在收敛速度、收敛精度等方面具有明显优势.
数字化技术在傩文化保护中的应用研究
作者：
王立平，赵文玲
来源：
暂无
日期：
暂无
文献类型：
期刊
关键词：
傩文化
数字化技术
应用
描述：
随着科学技术的飞速发展和计算机应用的普及,数字化保护正在替代传统的技术手段而成为非物质文化遗产保护的新手段。本文分析了数字化技术对鄱阳湖生态经济区傩文化保护的重要意义,详细阐述了傩文化数字化保护关键技术,并以万载傩文化数字化保护为应用实例,提出了傩文化数字化保护的框架和对策。
应用反向学习和差分进化的群搜索优化算法
作者：
邹华福，谢承旺，周杨萍，王立平
来源：
暂无
日期：
暂无
文献类型：
期刊
关键词：
反向学习
差分进化
群搜索优化算法
描述：
针对标准群搜索优化算法在解决一些复杂优化问题时容易陷入局部最优且收敛速度较慢的问题,提出一种应用反向学习和差分进化的群搜索优化算法(Group Search Optimization with Opposition-based Learning and Differential Evolution,OBDGSO)。该算法利用一般动态反向学习机制产生反向种群,扩大算法的全局勘探范围;对种群中较优解个体实施差分进化的变异操作,实现在较优解附近的局部开采,以改善算法的求解精度和收敛速度。这两种策略在GSO算法中相互协同,以更好地平衡算法的全局搜索能力和局部开采能力。将OBDGSO算法和另外4种群智能算法在12个基准测试函数上进行实验,结果表明OBDGSO算法在求解精度和收敛速度上具有较显著的性能优势。
