杜萍萍
- 作品数:3 被引量:11H指数:2
- 供职机构:安徽工业大学管理科学与工程学院更多>>
- 发文基金:安徽省高校省级自然科学研究项目国家自然科学基金更多>>
- 相关领域:自动化与计算机技术更多>>
- 客户导向目录分割问题的改进算法
- 2017年
- 客户导向目录分割问题假设顾客至少对目录中一定数量的商品感兴趣,计算目录覆盖的顾客数量,据此评估目录分割结果.现有的分割算法为了保证目录尽可能多的覆盖顾客,而忽略了目录分割结果的效用.针对该问题,本文构建一种新的数据存储结构CFP-Tree用于存储顾客交易数据,并提出一种新的算法Effective-Cover解决目录分割问题.该算法使用树深度遍历法选择目录产品.实验结果表明,该算法能够获得更好的目录分割结果.
- 杜萍萍陆可吴金南
- 关键词:客户
- 基于显式模型预测控制的大规模路网交通信号控制方法被引量:3
- 2018年
- 随着城市机动车保有量的不断增加,交通拥堵问题变得日益严重。作为一个有效的方法,模型预测控制(MPC)已经被应用于城市交通路网的控制中。然而由于需要在线进行优化,模型预测控制的计算负荷巨大,限制了其在对实时性要求比较高的场景中的应用。针对该问题,基于存储转发模型将显式模型预测控制(EMPC)引入大型交通路网的交通信号控制问题中。EMPC将多参数规划理论引入到线性时不变系统的约束二次优化控制问题的求解中,通过离线计算得到对应每个状态分区上的状态反馈最优显式控制律。实验结果显示,由于将在线优化过程转变为查表过程,EMPC可以显著提升交通信号控制的效率。
- 陆可杜萍萍邹启鸣何天嘉
- 关键词:显式模型预测控制交通信号智能交通系统
- 基于Spark的并行FP-Growth算法优化与实现被引量:8
- 2017年
- 频繁模式挖掘作为模式识别的重要问题,一直受到研究者的广泛关注。FP-Growth算法因其高效快速的特点,被大量应用于频繁模式的挖掘任务中。然而,该算法依赖于内存运行的特性,使其难以适应大规模数据计算。针对上述问题,围绕大规模数据集下频繁模式挖掘展开研究,基于Spark框架,通过对支持度计数和分组过程的优化改进了FP-Growth算法,并实现了算法的分布式计算和计算资源的动态分配。运算过程中产生的中间结果均保存在内存中,因此有效减少数据的I/O消耗,提高算法的运行效率。实验结果表明,经优化后的算法在面向大规模数据时要优于传统的FP-Growth算法。
- 陆可桂伟江雨燕杜萍萍
- 关键词:频繁模式挖掘FP-GROWTH算法分布式计算