公共文化服务平台

共 5 条记录，以下是 1-5

全选清除导出

排序方式：

复杂网络链路危险度预测模型研究被引量：1: 2013年; 提出了仅基于链路线形的危险链路预测模型,通过对链路线形数据的计算,得到相应的链路潜在危险程度,对新加入交通网络的链路进行预测,从而在碰撞发生之前进行相应的整治。实验选取自贡市檀木林—自来水厂路段为测试对象,通过分析其链路线形数据,探讨了该链路的危险性;同时,应用物理分析法和当量总碰撞法对结果进行验证比较。验证表明,该模型可以在不需要历史数据的情况下,有效准确地对危险链路进行预测。; 唐雪飞杨陈皓牛新征; 关键词：信息熵复杂网络高斯函数

基于无线传感器的物联网网络拓扑发现算法研究被引量：7: 2012年; 在基于无线传感器的物联网中,由于传感器硬件设备的局限性和动态性,以及组成的网络通信带宽有限等,在网络中准确、及时地获取网络的拓扑信息变得非常困难,而如何全面、准确、快速地进行网络拓扑发现对于物联网的网络管理、故障定位和拥塞控制等研究和更多的上层应用具有重要的意义。提出了一种基于移动代理的模糊动态拓扑发现算法的设计方案。不仅通过构造网络模糊拓扑信息的处理方法和移动代理的迁移、活跃度等相关策略模型,给出了移动代理和传感器节点的最优拓扑发现数量比,而且还根据模糊知识处理已有的研究,获得了完整的基于传感器的物联网网络拓扑发现算法。通过实验验证表明,本算法不仅改进了网络拓扑的发现效率,并且具有较小的网络能耗等。; 牛新征梁帆周明天; 关键词：移动代理物联网无线传感器拓扑发现动态拓扑结构

基于FPMAX的最大频繁项目集挖掘改进算法被引量：9: 2013年; 挖掘事务数据库中的最大频繁项目集是数据挖掘领域一个重要的研究方向。基于FP-tree的FPMAX算法是目前较为高效与稳定的最大频繁项目集挖掘算法之一。然而对于稠密数据库中的挖掘,FPMAX会产生大量的冗余递归过程,导致额外的条件FP-tree构造开销。而且在支持度较低时,FPMAX则会因用于超集检测的全局MFItree较为庞大而导致超集检测的性能下降。为此提出FPMAX的改进算法FPMAX-reduce,其通过采用基于事务共同后缀的前瞻剪枝策略来减少挖掘过程中的冗余递归过程。当递归过程中产生的新条件FP-tree规模较小时,FPMAX-reduce通过构造条件MFI-tree来减小后续超集检测遍历的开销。性能试验表明,FPMAX-reduce算法通过有效的前瞻剪枝,在稠密事务数据库以及低支持度的情况下至多可将递归过程减少至原算法的一半以下,进而有效地提高了FPMAX算法的效率。; 牛新征佘堃; 关键词：频繁项目集最大频繁项目集 FP-TREE FP-GROWTH

面向大规模数据的快速并行聚类划分算法研究被引量：23: 2012年; 随着聚类分析中处理数据量的急剧增加,面对大规模数据,传统K-Means聚类算法面临着巨大挑战。为了提高传统K-Means聚类算法的效率,针对已有基于MPI的并行K-Means聚类算法和基于Hadoop的分布式K-Means云聚类算法,从聚心初始化和通信模式等入手,提出了改进思路和具体实现。实验结果表明,所提算法能大大减少通信量和计算量,具有较高的执行效率。研究结果可以为以后设计更好的大规模数据快速并行聚类划分算法提供研究依据。; 牛新征佘堃; 关键词：云计算 K-MEANS 大规模数据 MPI HADOOP

基于数组前缀树的频繁项集挖掘算法被引量：5: 2014年; 频繁项集挖掘算法研究的焦点是不断提升算法在海量数据集上的挖掘性能.其中,基于前缀树的挖掘算法FP-Growth是目前研究的焦点之一,它在挖掘性能上有很大的改进空间,因此基于数组技术的FP-Growth*与基于被约束子树的STmine等改进算法被提出.这些算法有效提升了挖掘速率,但在搜索策略与计数方式两个方面仍存在可完善的地方.本文提出基于数组前缀树的频繁项集挖掘算法AFP-Growth.该算法使用新的遍历策略解决了FP-tree的项节点变换问题,完善了数组前缀树的构建过程以提升其计数效率,并且用数组前缀树代替FP-tree,减少了对树的遍历时间.通过实验验证表明,改进后的AFPGrowth算法在多数真实数据集上具有比FP-Growth*等其他高效算法更佳的挖掘性能,不仅减少了挖掘时间,也降低了内存消耗,体现了其对海量数据集挖掘的潜能.; 牛新征杨健佘堃; 关键词：关联规则频繁项集 FP-GROWTH

全选清除导出

共1页<1>

中央高校基本科研业务费专项资金(ZYGX2010J075)