iosr-JCE下一代计算技术

文摘:数据挖掘已经推动信息技术领域超越了可预测的限制。缺失值是应用数据挖掘技术从特定数据集中得到的不可用结果的主要因素之一。数据集中丢失值的原因可能有很多，例如人为错误、硬件故障等。在应用任何数据挖掘技术之前，必须解决缺失值的迷宫;否则，从包含缺失值的数据集中提取的信息将导致错误的决策路径。由于处理不当，研究者得到的结果会与缺失值存在的结果有所不同。已经开发了几种方法，并将继续开发从缺少值的数据集中得出推论。在这项工作中，我们对三种方法进行了实验和结果比较..........

关键字-数据挖掘，距离测量，Imputation，缺失值

霍顿NJ，克莱曼KP(2007)无事宁人:缺失数据方法和软件拟合不完整数据回归模型的比较。美国统计学家61:79 -90。
[2] Saunders JA, Morrow-Howell N, Spitznagel E,Dor P, Proctor EK，等(2006)缺失数据的输入:社会工作研究者的方法比较。社会工作研究30:19-31。
Luengo J, GarcaS, Herrera F(2012)考虑三组分类方法的缺失值最佳imputation方法的选择。知识与信息系统32:77-108

[4]陈晓明，王晓明，王晓明，曾志强(2008)基因表达谱中缺失值输入方法的比较研究。BMC生物信息学9:1-12。
[5] Celton M, MalpertuyA, Lelandais G, Brevern A(2010)缺失值imputation方法对改进微阵列实验的聚类和解释的比较分析。BMC Genomics 11: 1-16..

文摘:意见挖掘是指对从各种数据源中提取的意见进行分析的计算技术。意见挖掘涉及对文本中的意见和主体性进行计算处理。在做任何决定之前，有必要分析别人的想法。顾客或其他人张贴他们对各种产品、服务和政府计划的意见、评论、经验和反馈。推特上的数据量是巨大的，所以其他人和客户无法阅读所有的评论或意见。意见挖掘是分析顾客或人的不同意见的适当技术。本文讨论了各种意见挖掘工具和技术。

关键字-分类、特征提取、微博、情感分析、标记化

[1] G. Vinodhini和RM。Chandrashekharan， -情感分析和意见挖掘:一项调查-国际计算机科学与软件工程高级研究杂志，第2卷，第6期，2012年6月。
[2] Sajin。S. Chandran, Murugappan S.，—社交媒体网络意见挖掘综述‖，《欧洲科学研究杂志》，430-440页，2012年10月3日。
Ayesha Rashid1, Naveed Anwer2, Muddaser Iqbal3博士，Muhammad Sher4 -A Survey Paper: Areas, Techniques and Challenges of Opinion Mining‖，IJCSI International Journal of Computer Science Issues, Vol. 10, Issue 6, No . 2, 2013年11月。
[4] Kirti Huda, Md Tabrez Nafis, Neshat Karim Shaukat，“推特数据情感分析的分类技术”，国际先进计算机科学研究杂志，第8卷，第5期，2017年5月- 6月，ISSN No 0976-5697
[5] M. Govindarajan, Romina M， -情感分析分类方法及应用综述‖-国际工程与科学杂志(IJES)，第2卷，第12期，2013年。

文摘:本文论述了数字化和数字图书馆建设的新活动、新方法、新技术。它列出了一些涉及的关键点和过程中所需的详细计划，为实践图书馆员和信息科学家提供了建议和指导。今天，数字图书馆正在为不同的社区和不同的领域创建，如教育、科学、文化、发展、卫生、治理等。随着最近几个免费的数字图书馆软件包的出现，通过数字图书馆馆藏创建和共享信息对世界各地的图书馆和信息专业人员来说已成为一个有吸引力和可行的命题。论文最后呼吁将数字化整合到任何机构的计划和政策中，以最大限度地提高其有效性。

[1]数字图书馆联合会。(2001)，数字化图书及连载出版登记，
[2]丁秋明。(2000)，《数字信息获取:若干突破与障碍》，《图书情报学报》第32卷第1期
[3]绿石培训工作坊资料。(2002)。
Ian, H. Witten和David, Brainbridge。(2003)，如何建立一个数字图书馆，伦敦:摩根考夫曼出版社
[5]西茨，Maxine K.(2000)，数字项目手册:保存和访问的管理工具。东北文献保护中心，安多弗，美国马萨诸塞州。http://www.nedcc.org/digital/dman.pdf

文摘:移动自组织网络(MANET)是一个移动节点的集合，每个移动节点都配备了无线发射机和接收机，它们通过双向无线链路直接或间接地相互通信。一种名为增强自适应确认(EAACK)的替代入侵检测系统，专门为manet设计。本文针对manet设计了一种新的入侵检测系统——增强自适应识别(EAACK)，并提出了以身份识别为主的数字签名方案。结果表明，在接收机碰撞、传输功率受限和错误行为报告、分组交付比等情况下，该算法对Watchdog、TWOACK和AACK都有积极的响应。文中计算了EAACK基于身份的数字签名算法(IDDSA)方案和丢包率，并与现有方法进行了比较，以获得更好的性能。

关键词:rSerPool, Watchdog, TWOACK, AACK, EAACK, IDDSA，丢包率PLR

[1]。可靠的服务器池架构[在线]。可用:www.ietf.org/ids.by.wg/rserpool.html
[2]。Burmester, M.， de Medeiros, B.， - - - manet中的路由发现安全性‖，移动计算，IEEE汇刊(卷:8，期:9)页:1180 - 1188。
[3]。Dhurandher, s.k.， Obaidat, m.s.， Verma, K.， Gupta, P.， Dhurandher, P.， - faces:基于朋友的Ad Hoc路由使用挑战建立manet系统安全‖，系统杂志，IEEE 2011(卷:5,Issue: 2)， Page(s): 176 - 188。
[4]。T. ElGamal， -基于离散对数的公钥密码系统和签名方案，IEEE信息理论汇刊31(4)(1985)469-472。
[5]。Mohammed, N.， Otrok, H.，王凌宇，Debbabi, M.， Bhattacharya, P.， -基于机制设计的MANET入侵检测安全领导者选举模型，可靠与安全计算，IEEE学报，2011,Page(s): 89 - 103。

文摘:甲状腺疾病在世界范围内普遍存在。印度有一个由甲状腺疾病引起的一般性问题。研究强调，印度约有4300万人患有甲状腺疾病。本工作主要针对甲状腺功能减退、甲状腺功能亢进、病人和正常人的甲状腺功能预测系统的开发。分类是最重要的数据挖掘技术之一。用于分类预定义数据集的监督学习。数据挖掘技术主要用于医疗机构的决策、疾病诊断以及对患者更好的治疗。它是从海量的数据集中提取数据信息的过程，分类是分析、处理时间、敏感性、.............

关键字:分类，甲状腺，甲状腺亢进，甲状腺减退，数据挖掘(DM)，数据预处理(DP)..

[1]韩佳伟，KamberMicheline(2009)。数据挖掘:概念和技术，Morgan Kaufmann出版社。
[2] EBRU turanogu - bekar, GOZDE ULUTAGAY, SUZAN kanantan - savas，“基于数据挖掘模型的甲状腺疾病分类:决策树算法的比较”，牛津智能决策与数据科学杂志，PP: 13-28, 2016。
[3] N MOHANA SURDARAM, VRENUPRIYA，“用于甲状腺异常诊断的人工神经网络分类器”，系统，科学，控制，通信，工程与技术国际会议，PP: 206-2011, 2016。
[4]吴晓明，王晓明，“基于神经网络的甲状腺疾病自动预测”，《中国医学工程学报》，2016年第5卷，第3期，PP: 86,2016。
徐晓明，“机器学习技术在甲状腺疾病诊断中的应用”，《中国医学杂志》，2016年第9卷，PP: 1- 9。

文摘:脸是我们在社会生活中关注的主要焦点，在传达身份和情感方面发挥着重要作用。情绪是一种精神状态，包括许多行为、行动、思想和感觉。情感在交流中起着重要作用。情绪识别是识别人类情绪的过程，最典型的是面部表情。不同类型的面部表情有喜悦、悲伤、恐惧、厌恶、惊讶和愤怒。本文对现有的各种面部表情识别技术进行了研究和综述。本论文主要研究人脸检测对人脸情绪识别过程的影响。本文讨论了Viola -Jones和图像裁剪技术对口腔区域的提取和识别。将所提出的分割技术应用于口腔区域的分割，并进行比较，发现哪种方法适合口腔区域的分割，从而得出口腔区域可以..........

关键字:面部特征(嘴巴)、图像增强、边缘检测、形态学算法、嘴巴面积计算、面部情绪

[1]。Manasa B, Shrinivasa Naika C. L.博士。“人体面部特征分割”国际计算机科学与软件工程高级研究杂志第6卷，第4期，2016年4月。
[2]。Yapa Ashok和dasari Subba Rao博士，“基于PCA的人脸识别和面部表情识别”，国际工程技术、管理和研究杂志，2016年10月。
[3]。Deepika Ishwar, Bhupesh Kumar Singh博士，“使用面部表情进行情绪检测”，国际管理与技术新兴研究杂志ISSN: 2278-9359(第4卷，第6期)，2015年6月。
[4]。Prasad M, Ajit Danti，“基于SUSAN边缘算子的人脸表情分类”，《计算机科学与软件工程》，2014年12月，第4卷，第12期。
[5]。Monika Dubey, Lokesh Singh教授，“基于面部表情的自动情感识别”国际工程技术研究杂志(IRJET)卷:03期:02 | Feb-2016。

文摘:如果没有足够的机会不仅向社会各阶层传播信息，而且有效和可靠地进行沟通，社会发展目标的实现是值得怀疑的。这项调查研究的主要目标是调查无线电技术使用中的主要挑战和重要性，特别是用于无线通信的认知无线电和软件定义无线电。有鉴于此，本研究将继续探索在使用认知无线电方面的主要挑战，特别是在数字通信方面，以及利用无线电技术作为无线通信发展手段之一的独特机会，考虑以下具体目标，为延迟有效的主要障碍找到可能的解决方案.........

关键字- CR, SDR，无线通信。

[1]杜柯林和M. N. S.斯瓦米(2010)。无线通信系统:从射频子系统到4G使能技术。剑桥大学出版社。p。188。Isbn: 978-0-521-11403-5。
[2] "无线电-电子学，"无线电接收机技术"。Radio-electronics.com。检索2014-08-02。
[3]电磁波谱，田纳西大学物理与天文系
[4]克林特·史密斯，Curt Gervelis(2003)。无线网络性能手册。麦格劳-希尔专业。ISBN: 0-07-140655-7。
R. K. Puri(2004)。固体物理与电子学“，”集。ISBN: 81-219-1475-2。

文摘:随着无线通信技术的发展，移动自组织网络(mobile ad hoc network, manet)已广泛应用于紧急救援、灾害救援、蜂窝网络的网络覆盖等关键领域。本文主要研究了基于最优路由分配的多跳路由的端到端延迟方法。在这项工作中，我们提出了一种集成的方法，解决了MANET的存储缓冲区和安全性，并改进了端到端延迟分析。首先应用动态路由协议进行最优路由分配。采用马尔可夫排队方法引入中继移动节点(即路由器)的缓冲区存储，处理每条路由路径的缓冲区约束的横截面剖面。这是 ...........

关键字:移动自组织网络，服务质量，端到端延迟，整数规划方法，马尔可夫排队，哈希链方法。

[1]。刘佳，盛敏，徐阳，李建东，蒋晓红，“基于端到端时延方法的缓冲受限manet算法研究”，无线通信学报，VOL. 15, NO. 1。2016年1月1日
[2]。弗雷泽·卡杰，凯文·柯伦，何塞·桑托斯和桑德拉·莫菲特，“贪婪地理路由中的移动性和延迟”，国际服务和面向计算的制造杂志
[3]。Prabha R.和Ramaraj N.，“使用链路估计和群体智能的改进多路径MANET路由”，EURASIP无线通信与网络杂志，2015年5月。
[4]。Ch. Niranjan Kumara, N.Satyanarayanab，“manet中流量分割的多路径QoS路由”，智能计算，通信与融合国际会议，爱思唯尔，2015年5月。
[5]。Jyoti Prakash Singh, Paramartha Dutta, Arindrajit Pal，“基于人工神经网络的移动Ad Hoc网络延迟预测，计算机，通信，控制和信息技术，Elsevier, 2012年5月

文摘:大数据在可视化分析中探索，以寻求和提供更有效的方法来理解和分析大型数据集，并使他们能够立即采取行动。可视化分析集成了计算机的分析能力和人类分析师的能力，允许新颖的发现，并使个人能够控制分析过程。可视化分析可以实现意想不到的和隐藏的见解，这可能会导致有益的和有利可图的创新。在可视化分析过程中，可以通过自动化分析和交互式可视化方法来实现。它处理大量数据，使用自动化方法是强制性的，对于某些问题，只使用完全自动化的分析方法可能就足够了。视觉分析的各种技术和局限性的挑战。

关键词:大数据，数据集，交互式视觉方法，意义构建，视觉分析

[1]。Agrawala, M.， Heer J.，协同视觉分析的设计考虑，IEEE, 2007年11月
[2]。Arias-Hernández, R.， Green, t.m.， Wakkary, R.，《扩展范围:视觉分析的交互设计视角》，IEEE, 2011
[3]。Armour, F.， Espinosa, J. A.， Kaisler, S.， Money, W.，《大数据:未来的问题和挑战》，IEEE, 2012
[4]。Aurelio, D，与建筑设计变化和模拟相关的可视化信息，HCI国际，2013年7月
[5]。班克斯，D.，布莱森，S.，海姆斯，R.， Liere, R.， Uselton。， S，自动化或交互:什么对大数据最好，美国宇航局艾姆斯研究中心，小组成员辩论，没有日期给定Barth, P.， Bean, R.，达文波特，t.h.，“大数据”是如何不同的，麻省理工学院斯隆管理评论，2012

文摘:无线通信的出现催生了认知无线移动自组织网络(crans)。路由是有线和无线通信的主要组成部分。本文的主要目的是概述无线通信，认知无线电网络和最近在这一主要研究领域提出的协议，即CRAHN。

关键字-无线，认知，无线电，频谱，协议

[1]巴奈伊;Georghiades灯光;崔曙光，“大覆盖认知无线网络:从吞吐量扩展到渐近复用增益”，无线通信学报，vol.13, no. 1。6，页3042,3055,2014年6月
[2]汪璞;Akyildiz, i.f.，“在重尾干扰的存在下改善网络连接”，无线通信，IEEE汇刊，vol.13, no. 1。10，页5427,5439,2014年10月
[3]斯派索斯;Hantzinakos, D，“认知无线电传感器网络的可扩展动态路由协议”，传感器杂志，IEEE, vol.14, no. 2。7，页2257,2266,2014年7月
[4]李在俊;Jaesung Lim，“多跳移动认知无线自组织网络的认知路由”，通信与网络学报，vol.16, no. 1。2，页155,161,2014年4月
[5]苗盼;李锅;杨歌;光方;林,p;Glisic, S.，“当频谱遇到云:频谱不确定性下基于最优会话的频谱交易”，《通信选择领域》，IEEE杂志，第32卷，第1期。3，页615,627,2014年3月

文摘:云计算是当今世界的热门话题。由于在竞争激烈的世界中有如此多的云服务提供商。必须决定哪个服务提供者的服务对组织更有利。购买不同服务提供者的服务的概念成本可能会导致预算增加或金钱和时间的浪费。所以解决这个问题的方法就是尝试模拟工具。这些工具可能包括不同服务提供商使用的不同算法。

关键词:-云计算，仿真工具，仿真工具的比较，云计算服务，云计算组件

[1]布雅·拉吉·库马尔，“云计算:原理与范式”，国际计算机科学会议杂志，威利，2011
[2] Calheiros Rodrigo N, Ranjan Rajiv，“CloudSim:云计算环境建模与仿真和资源配置算法评估的工具包”，Wiley出版社，纽约，美国，2011年1月，页。23-50。
[3] B.Wickremasinghe(2009)，“云分析师:基于CloudSim的大规模云计算环境建模和分析工具”，MEDC项目报告，2009。
[4] 4。KaurGaganjot, Kumar Pawan，“各种云计算模拟器的比较研究”，第二届全国智能计算与通信会议。

文摘:儿童白血病是儿童和青少年中最常见的癌症类型，是一种白细胞癌症。骨髓中会形成异常的白细胞。它们迅速穿过血液，排挤健康细胞。这增加了身体感染和其他问题的机会。机器学习算法之一人工神经网络被用来寻找白血病。人工神经网络是一组相互连接的节点，类似于大脑中巨大的神经元网络。对于数据回归和预测，使用Visual Gene Developer的NeuralNet类

关键字:儿童白血病，机器学习，人工神经网络，神经网络白细胞..

Gwaiz L A:骨髓坏死。沙特医学年鉴1997;17、No 3374 -376。
[2] Naguib R N G, Sherbet G V:人工神经网络在癌症诊断:预后和患者管理。CRC出版社2001年。
[3] SordoM:神经网络在医疗保健中的介绍。医疗保健开放临床知识管理2002;1卷。
[4] Khonglah Y, Basu D和Dutta T K:慢性髓系白血病骨髓环钻活检结果。马来西亚J Pathol 2002;24(1)， 37 - 43。
[5] Richard K:使用人工神经网络来量化异常乳房x线照片的恶性肿瘤风险。手术2001;459 - 466。

文摘:如今，数据挖掘在许多领域得到了广泛的应用。数据挖掘算法的成功应用可以在营销、零售等行业领域看到。本文的目的是向读者介绍各种应用广泛的数据挖掘算法。本文重点研究了K-NN、Naïve贝叶斯分类器、决策树、C4.5、ANN和ID3六种数据挖掘算法。本文试图从理论、优缺点和应用等方面对这六种算法进行比较研究。在详细研究了这些算法之后，我们得出结论，这些技术的精度取决于各种特征，如:问题类型，数据集和性能矩阵。

关键字:数据挖掘，k-NN, Naïve贝叶斯分类器，决策树，C4.5, ANN, ID3

[1]。扎基。s。Towfik, Sabiha Fathil Jawad(2012)，决策树作为数据挖掘工具在医疗保健中的应用，Kufa For Mathematics And Computer.http://En.Wikipedia.Org/Wiki/K-109。K-Nearest Neighbors javerbejarhttp://Www.Lsi.Upc.Edu/~Bejar/Apren/Docum/Trans/03d-Algind-Knn-Eng.Pdf
[2]。刘鹏，雷磊，尹俊杰，姚政(2005)，R-C4.5决策树模型及其在医疗数据集中的应用，IEEE,Vol. 4-1872 1099 - 1103。
[3]。决策树
[4]。http://Octaviansima.Wordpress.Com/2011/03/25/Decision-Trees-C4-5。
[5]。k -近邻2005 http://En.Wikipedia.Org/Wiki/K-Nearest_Neighbors_Algorithm决策树2003。