柯新生
- 作品数：38 被引量：67H指数：5
- 供职机构：北京交通大学经济管理学院更多>>
- 发文基金：铁道部科技研究开发计划北京市科委软科学研究项目北京市科技计划项目更多>>
- 相关领域：经济管理自动化与计算机技术交通运输工程文化科学更多>>
- 基于HB的网络音乐数据库设计
- 2016年
- 文中根据对网络音乐云平台运营商与音乐用户的需求分析,重点分析了网络音乐云平台各类业务的数据特点,阐述了目前网络音乐数据海量性、异构性,数据分散、难以共享的现状并详细叙述hbase分布式数据库设计的内容,提出了网络音乐云平台中分布式数据库的设计方案,构建了有实用价值的网络音乐分析数据库,支持音乐云Paas服务。
- 骆敏柯新生
- 关键词：网络音乐HB数据库设计
- 城市新一代生产力发展的影响因素分析
- 信息社会里,如何使人们在巨量的信息中快速找到有用的信息,使现有的信息更具意义,使重要数据形象化,易于理解,这直接影响一个城市的整体生产力。本文以信息泛滥影响城市工作人员的生产力为切入点,阐述了新一代生产力的概念和特点,结...
- 陈立民柯新生李媛
- 关键词：影响因素
- 文献传递
- 实施物流信息化管理的方法研究被引量：5
- 2007年
- 分析了中国物流业实施信息化管理的现状与诸多问题,创新地论述了民用"聚焦物流"的理论,并提出了一套基于信息融合、敏捷物流与一体化运作的物流信息化管理方法。
- 柯新生李媛
- 关键词：信息化管理物流信息化聚焦物流
- 面向客户的铁路客运市场营销
- 2001年
- 从运力配置、售票系统及车站信息服务系统的建设几方面 ,阐述了建立以市场为导向、面向客户的信息服务体系 ,并提出了开展基于Web的市场营销 ,强化市场信息、用户意见的收集、分析 ,以制定更为合理的服务策略和现实的措施 。
- 陈学东李学伟柯新生张洪涛
- 关键词：铁路客运市场营销核心竞争力信息服务
- 基于Coclus联合聚类与非负矩阵分解的推荐算法被引量：2
- 2019年
- 当前推荐系统多数存在推荐准确性低、受稀疏性影响大且稳定性差的问题,因此,在Coclus聚类算法的基础上,提出一种评分矩阵与联合聚类的推荐算法。通过Coclus联合聚类,利用图模块度最大化理论分别将评分矩阵的行与列分成g类,经过行列变换形成g×g个低秩评分子矩阵,并对低秩评分子矩阵进行矩阵分解,填充缺失值,以提高推荐质量,在矩阵分解阶段采用改进的非负矩阵分解算法,通过引入L1、L2范数分别提高特征值选择能力和防止模型过拟合,并利用坐标轴下降的迭代算法进行参数更新。实验结果表明,与基线算法相比,该算法具有较高的推荐准确率,且稳定性较强。
- 王泽华柯新生
- 关键词：非负矩阵分解联合聚类推荐系统模块度
- 市场经济环境中我国科技成果鉴定体系的分层结构与政府职能定位研究
- 2006年
- 通过对我国现行科技成果鉴定体制问题的分析,认为市场经济环境中科技成果鉴定体系可定义为“促进科技成果转化的一种辅助性社会系统”。根据这一涵义,科技成果鉴定体系的结构分为三层:基本原则与保障系统、鉴定环境、鉴定机构。据此结构,进而提出政府在科技成果鉴定改革过程中应采取的策略和政策取向建议。
- 李静柯新生李学伟
- 关键词：政府职能
- 基于网络的企业级信息资源规划理论与方法研究
- 网络背景下,企业信息资源在建设、管理与应用方面突出存在集成和共享水平低、分布与管理方法相对落后、缺乏统一规划和标准、网上服务适应性不足等方面的问题,这些问题在企业跨区域网上业务规模越来越大时显得更加突出。包括信息资源管理...
- 柯新生
- 关键词：网络企业级信息资源规划
- 文献传递
- 北京市网络信息增值服务业发展战略研究被引量：1
- 2010年
- 网络信息增值服务业对于北京市发展成为信息化、知识化城市具有重大意义。运用SWOT分析方法,对北京市发展网络信息增值服务的优势、劣势、机遇、威胁等因素进行系统分析,在此基础上,提出了适宜北京市网络信息增值服务的发展战略,以此来推动北京市网络信息增值服务业的发展。
- 易芳柯新生
- 关键词：SWOT
- 铁路信息资源的层次模型研究
- 2003年
- 目前铁路信息资源在不同的维度上进行分层的方法尚存在结构不完善、分层次数不科学、分层标准不统一的问题,降低了信息资源分层的效率系数,使得大量的信息资源的应用不充分或不方便或干脆无法使用。本文在对铁路信息资源现状分析的基础上,借助层次模型理论,提出了铁路信息资源4层次模型,利用映射理论描述了各层次间的映射对应关系,最后分析了该模型在铁路信息资源开发中的应用,以满足铁路信息资源开发利用的需要。
- 沈永清柯新生李学伟
- 关键词：信息资源
- 基于FP-growth算法的数据挖掘实例研究被引量：1
- 2015年
- 关联规则挖掘算法致力于发现隐藏在海量数据中的有趣联系,被广泛应用在金融、生物、商业、医学等领域,FP-growth算法是其中的经典算法,只需扫描两遍数据库,可以压缩被搜索数据集的大小,能够适应不同长度的规则。文中分析了FP-growth算法的执行步骤并将其应用于预处理的音乐数据,结合用户属性挖掘出符合用户需求的精准数据和规则并进行音乐推荐和广告推送。实验表明FP-growth算法的运行时间比Apriori算法大约少了一个数量级,且在音乐推荐方面具有可行性。
- 柯新生刘亚林
- 关键词：数据挖掘FP-GROWTH关联规则
