冯中慧
- 作品数：11 被引量：24H指数：4
- 供职机构：西安交通大学电子与信息工程学院更多>>
- 发文基金：国家自然科学基金河北省教育厅科研基金国家高技术研究发展计划更多>>
- 相关领域：自动化与计算机技术文化科学更多>>
- 集群环境下的并行聚类算法之研究被引量：5
- 2007年
- 本文的目的就是通过理论分析和试验,探讨集群环境下并行聚类算法的设计思想。作为一种低成本、通用并行系统,集群系统的通讯能力相对于节点的计算能力是一个瓶颈。所以本文提出,在集群环境下设计并行聚类算法时,应采用数据并行的思想。本文首先从理论上,对采用数据并行思想后影响加速比的因素和通讯策略的选择进行了分析,然后实现了一个新的并行聚类算法——PARC算法。通过PARC算法的实验,证明了理论分析的正确性,并且表明并行聚类算法可以得到良好的聚类质量。本文的研究结果可以为以后设计更好的数据并行聚类算法提供一定的理论依据。
- 周兵冯中慧王和兴
- 关键词：聚类算法并行计算集群数据并行
- 一种检测及定位电子文本内容剽窃的方法
- 本发明公开了一种利用计算机系统检测及定位电子文本内容剽窃的方法，该计算机系统至少包括：电子文本录入模块，文本特征提取模块，剽窃证据提取模块，文本剽窃判定模块，展示检测结果及定位剽窃内容模块。其检测方法首先根据文本结构信息...
- 鲍军鹏冯中慧
- 文献传递
- 基于EM算法的文本聚类优化研究被引量：5
- 2006年
- 针对现有的文本聚类算法难以取得满意结果的问题,以EM算法为基础,提出能分别描述相似、不相似聚类对的相似性分布以及重要、不重要文档的重要性分布的文本聚类优化模型(text c lustering optim iza-tion model,TCOM).基于该模型,设计一种通过合并不同的文本聚类结果以获取最优性能的方法.实验结果表明,利用该方法同时改善了聚类精度和召回率,其性能优于单独使用现有的硬、软聚类算法.*
- 冯中慧鲍军鹏沈钧毅
- 关键词：软聚类EM算法
- 实现适应性系统管理的分布式多智能体框架
- 2006年
- 为了应对动态、多变环境给管理系统带来的复杂性,提出了基于分布式范型的多智能体框架.该框架由多个分布式智能体结点组成,结点间通过消息传递与会话机制来实现分布式的合作与协同.结点内的功能主体使用了基于信念机制的内核结构,使得每个结点在以目标驱动的方式展开各种诊断与恢复的同时,仍能以反应驱动的方式对环境的变化做出反应,从而高效地实现了本地适应性管理.通过一个网络资源管理实例的分析证明,在复杂、动态的环境下所提框架能有效地实现可扩展的适应性系统管理.
- 付宇沈钧毅冯中慧王勇
- 关键词：智能主体分布式合作
- 一种检测及定位电子文本内容剽窃的方法
- 本发明公开了一种利用计算机系统检测及定位电子文本内容剽窃的方法，该计算机系统至少包括：电子文本录入模块，文本特征提取模块，剽窃证据提取模块，文本剽窃判定模块，展示检测结果及定位剽窃内容模块。其检测方法首先根据文本结构信息...
- 鲍军鹏冯中慧
- 文献传递
- 一种增量式文本软聚类算法被引量：7
- 2007年
- 针对传统文本聚类算法时间复杂度较高,而与距离无关的算法又不适用于动态、变化的文本集等问题,提出了一种基于语义序列的增量式文本软聚类算法.该算法考虑了长文本的多主题特性,并利用语义序列相似关系计算相似语义序列集合的覆盖度,同时将每次选择的具有最小熵重叠值的候选类作为一个结果聚类,这样在整个聚类的过程中大大减小了文本向量空间的维数,缩短了计算时间.由于所提算法的语义序列只与文本自身相关,所以它适用于增量式聚类.实验结果表明,算法的聚类精度高于同条件下的其他聚类算法,尤其适合于长文本集的软聚类.
- 冯中慧鲍军鹏沈钧毅
- 关键词：增量式聚类软聚类文本聚类
- 数据挖掘及其软件工程应用基础研究
- 宋擒豹沈钧毅冯中慧
- “数据挖掘及其软件工程应用基础研究”是教育部“新世纪优秀人才支持计划”课题的研究成果。该课题以数据挖掘方法的研究为基础，以软件过程为主线，以软件过程管理中的关键问题为研究对象，系统地研究了软件工程数据挖掘问题。课题取得的...
- 关键词：
- 关键词：软件工程数据挖掘
- 文本挖掘中聚类技术的若干关键问题研究
- 冯中慧
- 关键词：数据库数据挖掘文本挖掘聚类分析
- 基于C/S结构的XAC-CIMS中信息集成技术的研究与实现
- 该文主要研究了在CIMS中具有重要地位的信息集成技术.针对基于C/S结构的西安飞机工业公司计算机集成制造系统(XAC-CIMS)的实际情况,对计算机辅助质量管理(CAQ)中零件 子系统与计算机辅助工艺设计(CAPP)的信...
- 冯中慧
- 关键词：C/S结构信息集成CIMS信息模型
- 文献传递
- 基于新的成员选择方法的聚类融合算法被引量：3
- 2016年
- 聚类融合是聚类分析领域的一个研究热点,它将针对同一问题产生的多个聚类成员(即聚类结果)融合成一个结果,以提高聚类算法的鲁棒性和准确性.在聚类融合过程中,聚类成员的"质量"非常重要,一些"质量"比较差的聚类成员会直接影响聚类融合的结果.在深入研究聚类融合算法基础上,提出新的加权JP(Jaccard index-Precision)聚类成员选择方法和基于该方法的聚类融合算法.在多个不同数据集上的实验结果表明,利用这种新的聚类成员选择方法可以有效地改善聚类融合算法结果的准确性和鲁棒性,性能显著提高.
- 冯中慧何亮王栋
- 关键词：聚类融合差异度
