近日,我院教师胡征兵团队接连在计算机领域知名国际期刊上发表学术成果:《A neuro-fuzzy Kohonen network for data stream possibilistic clustering and its online self-learning procedure》(用于数据流可能性聚类的神经模糊Kohonen网络及其在线自学习过程)和《The Analytical Model for Distributed Computer System Parameters Control Based on Multi-factoring Estimations》(基于多因子分解估计的分布式计算机系统参数控制分析模型)两篇论文分别发表在Applied Soft Computing(SCI,2018年IF=3.907)和Journal of Network and Systems Management(SCI,2018年IF=1.750)国际期刊上。
论文《A neuro-fuzzy Kohonen network for data stream possibilistic clustering and its online self-learning procedure》主要研究了当数据在关于多个聚类和聚类程度的先前不确定性条件下顺序处理时,考虑数据流模糊聚类的任务。改进的双层神经模糊Kohonen网络用于求解可能的模糊聚类任务。 该系统在自学习过程中将每个模式的中心坐标和隶属级别调整为簇,并在数据处理期间自动增加多个神经元。所提出的方法的一个显著特征是其计算简单性,因为可能性模糊聚类过程的当前修改用于调整网络的参数。所提出的神经模糊系统基于计算智能的演化系统,循环优化,可能性模糊聚类和数据流挖掘的概念。该研究得到中央高校探索创新项目(CCNU16A02015)资助。胡征兵老师为该论文第一作者,hbs04红宝石线路为第一完成单位。文章地址:https://www.sciencedirect.com/science/article/pii/S1568494617305811
![](/__local/B/40/64/B34B4829077EE0FF34A82C27190_2A7172B1_1E499.png)
论文《The Analytical Model for Distributed Computer System Parameters Control Based on Multi-factoring Estimations》该研究提出了分布式计算机系统(DCS)参数的复杂分析的方法和机制,其考虑了DCS功能以选择DCS资源的有效配置的若干标准。有DCS参数的分析评估,例如:性能,安全性,可靠性,数据传输速率,取决于DCS维度(节点数量),并考虑其实现的具体情况。建议使用复杂的DCS参数分析模型。该模型允许根据节点数估计DCS的参数。建议的模型允许评估节点数对其功能参数的影响。此外,该设计阶段的模型允许确定一定数量的DCS节点的DCS参数。建议的模型允许为归一化的DCS参数设置一定的级别,该参数应该满足DCS的所有四个参数,并且获得应该形成DCS群集的节点集。该研究得到中央高校探索创新项目(CCNU16A02015)资助。胡征兵老师为该论文第一作者,hbs04红宝石线路为第一完成单位。文章地址:https://link.springer.com/article/10.1007/s10922-018-9468-x
![](/__local/7/95/B9/2A736C5D984E2A5C5DA970002F8_958A3F22_20A30.png)
据悉,胡征兵现为hbs04红宝石线路副教授、硕士生导师,社会兼职有区政协委员、武汉市侨联青年理事、省侨联青委会委员。主要从事计算机科学技术应用、信息安全和教育信息技术等领域的教学和科研工作。在国内外学术刊物和会议上发表学术论文60余篇,撰写专著和教材3本,发明专利3项, 软件著作权2项。