成年动漫在线看网站免费H,日本丰满岳乱妇在线观看,日日摸夜夜添夜夜添影院视频

阿里云與美國云計(jì)算廠商Equinix達(dá)成戰(zhàn)略合作

美國云計(jì)算服務(wù)供應(yīng)商Equinix日前宣布和阿里巴巴集團(tuán)旗下云計(jì)算平臺阿里云確立了合作關(guān)系。兩者的合作，不管對于Equinix從北美到亞洲，還是對阿里云進(jìn)軍國際市場都是一場雙贏。

發(fā)表于：6/9/2015

大數(shù)據(jù)時(shí)代不是所有數(shù)據(jù)都那么珍貴

　數(shù)據(jù)中心不斷地被大量數(shù)據(jù)們淹沒，那么作為數(shù)據(jù)中心的管理員們，能不能就舍棄一部分不需要的數(shù)據(jù)呢？最重要的擔(dān)心就是怕錯過任何可能的有用信息。你公司的營銷副總裁很有可能會有朝一日讓你提供一份公司過去20年的銷售數(shù)據(jù)。而上面的領(lǐng)導(dǎo)一換，說不定新的數(shù)據(jù)要求在等著你。

發(fā)表于：6/9/2015

中文客戶評論對象特征的抽取與聚類方法

通過利用Apriori算法抽取評價(jià)對象的候選特征集，結(jié)合計(jì)算領(lǐng)域一致度和領(lǐng)域相關(guān)度對候選特征進(jìn)行過濾，實(shí)現(xiàn)了對中文客戶評論的對象特征挖掘，并且用實(shí)驗(yàn)驗(yàn)證了該方法的有效性。

發(fā)表于：6/8/2015

布谷鳥搜索算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)流量預(yù)測

為了提高預(yù)測精度，提出一種布谷鳥搜索算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)流量預(yù)測模型(Cuckoo Search BP neural network Flow Prediction，CS-BPNN)。根據(jù)混沌理論建立網(wǎng)絡(luò)流量學(xué)習(xí)樣本，采用BP神經(jīng)網(wǎng)絡(luò)對學(xué)習(xí)樣本進(jìn)行訓(xùn)練，將模型參數(shù)當(dāng)一個鳥巢，通過模擬布谷鳥尋窩產(chǎn)卵的行為找到最優(yōu)模型參數(shù)，最后采用網(wǎng)絡(luò)流量數(shù)據(jù)進(jìn)行仿真實(shí)驗(yàn)，測試模型性能。仿真實(shí)驗(yàn)表明：所提出模型較好的解決了BP神經(jīng)參數(shù)優(yōu)化問題，能夠獲得更加理想的網(wǎng)絡(luò)流量預(yù)測結(jié)果。

發(fā)表于：6/8/2015

一根光纜引發(fā)支付寶癱瘓云計(jì)算2.0時(shí)代“互聯(lián)網(wǎng)+”引擔(dān)憂

近日，先是支付寶因?yàn)橐桓饫|出現(xiàn)宕機(jī)，隨后又出現(xiàn)攜程酒店信息被強(qiáng)制性物理刪除，不禁引發(fā)了人們對于“互聯(lián)網(wǎng)+”到底能否委以重任的擔(dān)憂。事實(shí)上，信息技術(shù)發(fā)展的車輪一路向前，不曾因使用者的擔(dān)憂而遲疑。

發(fā)表于：6/8/2015

一種改進(jìn)的多群協(xié)作粒子群優(yōu)化算法

提出了一種改進(jìn)的多群協(xié)作粒子群優(yōu)化算法，該算法整個種群采用主從模式，分為一個主群和多個從群，多個從群粒子統(tǒng)一地進(jìn)行初始化操作，從而避免了多個粒子群重復(fù)搜索現(xiàn)象。同時(shí)，算法采取了一種擾動策略，即當(dāng)前全局最優(yōu)解在擾動因子的迭代周期內(nèi)保持不變時(shí)，就重置粒子的速度，迫使粒子群擺脫局部極小。該算法不僅增加了種群的多樣性，擴(kuò)大了搜索范圍，而且還改善整個種群易陷入局部極小值的缺陷。通過9個基準(zhǔn)函數(shù)進(jìn)行測試，實(shí)驗(yàn)結(jié)果表明，IMCPSO與MCPSO算法相比具有明顯的優(yōu)越性。

發(fā)表于：6/7/2015

軟件可靠性測試及評估平臺的設(shè)計(jì)與實(shí)現(xiàn)

設(shè)計(jì)并實(shí)現(xiàn)了軟件可靠性測試與評估平臺，支持軟件可靠性測試用例自動生成，便于可靠性數(shù)據(jù)收集以及軟件可靠性評估和預(yù)測，解決了軟件可靠性測試難以有效開展的問題。通過與SMERFS預(yù)測結(jié)果對比，表明本平臺對軟件可靠性測試與評價(jià)具有較強(qiáng)的實(shí)用性。

發(fā)表于：6/4/2015

基于協(xié)作過濾算法的電子商務(wù)個性化推薦系統(tǒng)的研究

發(fā)表于：6/3/2015

基于量子粒子群的改進(jìn)模糊聚類圖像分割算法

提出了一種基于量子粒子群的改進(jìn)模糊聚類圖像分割算法。針對FCM圖像分割算法對聚類中心初始值比較敏感的缺點(diǎn)，利用量子粒子群優(yōu)化算法強(qiáng)大的全局搜索能力尋找最優(yōu)解，能夠有效降低圖像分割算法對初始值的依賴程度；同時(shí)，用一種新的基于簇密度的距離度量公式來計(jì)算圖像特征點(diǎn)與聚類中心點(diǎn)的距離，其在確定類中心時(shí)考慮數(shù)據(jù)集的全局信息，并且在迭代過程中采用動態(tài)隸屬度，能夠降低噪聲干擾。仿真實(shí)驗(yàn)結(jié)果證明改進(jìn)算法具有較好的性能。

發(fā)表于：6/3/2015

SIFT-FCACO算法的圖像配準(zhǔn)

為了降低圖像配準(zhǔn)誤匹配率以及減少RANSAC算法特征優(yōu)化迭代次數(shù)，提出了SIFT-FCACO的圖像配準(zhǔn)算法，用快速收斂的蟻群算法對圖像匹配后的特征點(diǎn)對進(jìn)行優(yōu)化。實(shí)驗(yàn)結(jié)果表明，該算法不僅減少了匹配時(shí)間，而且提高了匹配的準(zhǔn)確率。

發(fā)表于：6/1/2015

Linux系統(tǒng)實(shí)現(xiàn)資源網(wǎng)絡(luò)共享方法的研究

針對Linux系統(tǒng)應(yīng)用中資源網(wǎng)絡(luò)共享的方法，研究采用NFS、Samba、FTP和其他軟件工具實(shí)現(xiàn)共享的途徑及其特殊性，實(shí)現(xiàn)安全、可靠、穩(wěn)定和完善的Linux系統(tǒng)資源共享服務(wù)。

發(fā)表于：6/1/2015

基于用戶相似度遷移的協(xié)同過濾推薦算法

數(shù)據(jù)稀疏性問題是傳統(tǒng)的協(xié)同過濾算法主要的瓶頸之一。遷移學(xué)習(xí)利用輔助領(lǐng)域的用戶評分信息，有效地緩解了目標(biāo)領(lǐng)域的稀疏性問題?，F(xiàn)有的遷移學(xué)習(xí)推薦算法中，普遍存在領(lǐng)域間的用戶需要一致、模型平衡參數(shù)較多等限制。針對這些局限性，提出了一種用戶相似度遷移的模型，利用輔助領(lǐng)域的用戶相似度幫助目標(biāo)領(lǐng)域用戶相似度的學(xué)習(xí)。此外，通過一種用戶特征子空間的距離來度量模型的平衡參數(shù)，使模型更加具有智能性。實(shí)驗(yàn)結(jié)果表明，該模型與其他協(xié)同過濾算法相比較能夠更有效地緩解數(shù)據(jù)稀疏性問題

發(fā)表于：5/31/2015

基于壓縮感知的NC-OFDM系統(tǒng)的BAOMP算法的信道估計(jì)

采用基于信號處理領(lǐng)域最近興起的壓縮感知理論對NC-OFDM系統(tǒng)進(jìn)行信道估計(jì)，并將回溯迭代自適應(yīng)正交匹配追蹤算法（BAOMP）應(yīng)用到NC-OFDM系統(tǒng)的信道估計(jì)中，該算法在每次回溯迭代中核查所選原子的可靠性并刪除不可靠原子。理論分析和仿真實(shí)驗(yàn)表明，BAOMP算法不但可以減少導(dǎo)頻的數(shù)目，而且其在保持OMP類算法優(yōu)點(diǎn)的同時(shí)，有著更好的重構(gòu)性能，且不需要預(yù)先知道稀疏度K。

發(fā)表于：5/31/2015

從零開始走進(jìn)FPGA LCD1602 Hello World

雷同于前面MCU按鍵消抖動移植代碼，此處也可以移植MCU LCD1602驅(qū)動代碼。本例程不是Bingo原創(chuàng)，是按照網(wǎng)友“小時(shí)不識月”的代碼，移植修改最后定型為Bingo版本(O(∩_∩)O哈哈~)。

發(fā)表于：5/29/2015

全面解析華為全球聯(lián)接指數(shù)2015：數(shù)字經(jīng)濟(jì)的晴雨表

當(dāng)前，世界各國正在經(jīng)歷著傳統(tǒng)經(jīng)濟(jì)向數(shù)字經(jīng)濟(jì)的轉(zhuǎn)型。云計(jì)算、大數(shù)據(jù)和移動等技術(shù)的應(yīng)用與普及，推動 ICT環(huán)境逐漸走向成熟，物聯(lián)網(wǎng)技術(shù)與應(yīng)用在新的環(huán)境中得到蓬勃發(fā)展，已經(jīng)成為推動創(chuàng)新的主要力量。

發(fā)表于：5/29/2015