检索结果-内蒙古大学图书馆

计算机仿真 2008年第1期25卷 149-152,167页

作者：王慧芳黄林鹏俞晟上海交通大学计算机科学与工程系上海200240 上海交通大学信息安全学院上海200240

传统社区发现算法基本上属于静态的分析算法,其计算复杂性使其难以适应目前网络结构的频繁变化。为了改善静态算法的这一局限性,通过对Radicchi静态算法进行扩展,提出一种增量式的社区发现算法,并将其应用于MSN Space链接结构分析上。... 详细信息

传统社区发现算法基本上属于静态的分析算法,其计算复杂性使其难以适应目前网络结构的频繁变化。为了改善静态算法的这一局限性,通过对Radicchi静态算法进行扩展,提出一种增量式的社区发现算法,并将其应用于MSN Space链接结构分析上。该算法能在网络结构变化频繁时进行增量式计算并保证社区发现的实时性。实验结果表明,该增量式算法在处理网络结构变化时的效率相对传统算法有显著提高,尤其对小规模频繁变化的网络有很强的适应力。

关键词：社区发现增量式算法社会网络

来源：评论

学校读者我要写书评

暂无评论

增量式目标信息系统的分布约简算法

引用

计算机应用与软件 2015年第8期32卷 234-237,291页

作者：吴正江王希璠河南理工大学河南省高等学校矿山信息化重点学科开放实验室河南焦作454003

知识约简是粗糙集理论中的重要研究内容之一。由于静态分布约简算法不适应处理快速增长的信息系统,时间开销过大。通过研究新增对象对于信息系统中划分的影响,以划分为桥梁,讨论对象与分布约简的理论关系。基于已有的分布约简算法,提出... 详细信息

知识约简是粗糙集理论中的重要研究内容之一。由于静态分布约简算法不适应处理快速增长的信息系统,时间开销过大。通过研究新增对象对于信息系统中划分的影响,以划分为桥梁,讨论对象与分布约简的理论关系。基于已有的分布约简算法,提出增量式目标信息系统的分布约简算法,使其能够将原有知识和新增数据相结合,快速获取分布约简。使用UCI数据库中的数据集对算法进行测试,验证了该增量式算法的有效性和可行性。

关键词：信息系统分布约简增量式算法

来源：评论

学校读者我要写书评

暂无评论

基于简化差别矩阵的增量式属性约简

引用

四川大学学报（工程科学版） 2013年第1期45卷 116-124页

作者：葛浩李龙澍杨传健安徽大学计算智能与信号处理教育部重点实验室安徽合肥230039 滁州学院机械与电子工程学院安徽滁州239012 安徽大学计算机科学与技术学院安徽合肥230039 滁州学院计算机与信息工程学院安徽滁州239012

新对象添加到决策表后,已有的属性约简将会发生改变,需要对其动态更新。为此,首先给出简化决策表和简化差别矩阵的定义,并证明了基于简化差别矩阵的属性约简与正区域的属性约简是等价的;然后,分析增量对象的不同情况,将增量属性约简映... 详细信息

新对象添加到决策表后,已有的属性约简将会发生改变,需要对其动态更新。为此,首先给出简化决策表和简化差别矩阵的定义,并证明了基于简化差别矩阵的属性约简与正区域的属性约简是等价的;然后,分析增量对象的不同情况,将增量属性约简映射到简化决策表上来实现,由此设计基于简化差别矩阵的增量式属性约简算法,并对算法进行改进;最后,利用实例和实验验证了所提出算法的正确性和高效性。

关键词：粗糙集属性约简差别集差别矩阵增量式算法

来源：评论

学校读者我要写书评

暂无评论

基于最小费用最大流的大规模资源调度方法

引用

软件学报 2017年第3期28卷 598-610页

作者：陈晓旭吴恒吴悦文陆志刚张文博中国科学院软件研究所软件工程技术研究开发中心北京100190 计算机科学国家重点实验室(中国科学院软件研究所) 北京100190 中国科学院大学北京100049

并行作业是大规模资源调度的研究热点.已有的研究工作通常采用队列进行资源调度建模,仅能满足局部最优解且只能适应调度目标固定不变的场景,灵活性不够.提出了一种基于最小费用最大流的大规模资源调度建模方法,将任务的资源需求和物理... 详细信息

并行作业是大规模资源调度的研究热点.已有的研究工作通常采用队列进行资源调度建模,仅能满足局部最优解且只能适应调度目标固定不变的场景,灵活性不够.提出了一种基于最小费用最大流的大规模资源调度建模方法,将任务的资源需求和物理资源供给问题转换成最小费用最大流图的构造和求解问题.首先,选择公平性、优先级和放置约束这3种典型度量作为切入点,从资源视角映射为图的构造问题,通过改变图的结构,使其具备适应性调整能力;其次,针对图的求解时间复杂度高的问题,实现了一种增量式优化算法;最后,实验对比公平性、优先级和放置约束这3种资源调度典型系统,验证了该方法可通过按需配置,支持多种调度目标,具备灵活性.并通过实验仿真,验证了万级规模下,基于图的资源调度延迟比基于未优化图算法的资源调度延迟最多降低90%.

关键词：资源调度最小费用最大流增量式算法

来源：评论

学校读者我要写书评

暂无评论

一种增量发现条件函数依赖的算法

引用

计算机工程与科学 2013年第8期35卷 149-155页

作者：李丁月刘建勋翟海军湘潭大学信息工程学院湖南湘潭411100 湖南科技大学知识处理与网络化制造湖南省教育厅重点实验室湖南湘潭411100

数据库频繁更新会导致满足条件的条件函数依赖(CFDs)发生变化,为获取准确的条件函数依赖,可以在更新后的数据库上重新执行发现过程,但这种方法会导致大量时间都浪费在对原始数据集的重复处理上。针对这种情况,在CFINDER算法基础上,提出... 详细信息

数据库频繁更新会导致满足条件的条件函数依赖(CFDs)发生变化,为获取准确的条件函数依赖,可以在更新后的数据库上重新执行发现过程,但这种方法会导致大量时间都浪费在对原始数据集的重复处理上。针对这种情况,在CFINDER算法基础上,提出了一个增量发现条件函数依赖的算法CFUP。当数据库中增加新数据集时,CFUP在已有的CFDs的基础上,去掉不满足条件的CFDs,发现满足条件的新CFDs。实验表明,该算法能有效地进行条件函数依赖的增量式更新,与重新运行CFINDER算法相比,减少了原始数据集的扫描次数,提高了更新CFDs的效率。

关键词：条件函数依赖增量式算法数据库

来源：评论

学校读者我要写书评

暂无评论

一种增量式数据流分析方法

引用

计算机研究与发展 2002年第2期39卷 136-141页

作者：连瑞琦张兆庆乔如良中国科学院计算技术研究所系统结构室北京100080

数据流分析是编译器中的重要部分 ,而增量式分析在程序开发环境和过程间优化编译器中有着相当实用的价值 .当程序发生变化时 ,它可以增量式地维护数据流信息 ,而不致因程序的任何小改动都重新进行数据流分析 .给出了一种增量式的消去数... 详细信息

数据流分析是编译器中的重要部分 ,而增量式分析在程序开发环境和过程间优化编译器中有着相当实用的价值 .当程序发生变化时 ,它可以增量式地维护数据流信息 ,而不致因程序的任何小改动都重新进行数据流分析 .给出了一种增量式的消去数据流算法 ,它基于路径简化算法 ,具有和路径简化算法同样的复杂度 ,同样的通用性 (适用于不可归约流图和流函数不完备的情况 ) 。

关键词：数据流分析消去算法增量式算法编译器编译程序

来源：评论

学校读者我要写书评

暂无评论

在线模糊最小二乘支持向量机的时间序列预测

引用

计算机工程与应用 2010年第9期46卷 215-216,240页

作者：王晓兰康蕾兰州理工大学电气工程与信息工程学院兰州730050 兰州理工大学甘肃省有色金属新材料省部共建国家重点实验室兰州730050

基于模糊最小二乘支持向量机和在线学习算法,提出了一种模糊最小二乘支持向量机的增量式算法。传统最小二乘支持向量机引入模糊加权系数后,有效地提高了其抗噪性能。同时利用递推的核函数计算方法增强了该算法的在线学习能力。仿真结果... 详细信息

基于模糊最小二乘支持向量机和在线学习算法,提出了一种模糊最小二乘支持向量机的增量式算法。传统最小二乘支持向量机引入模糊加权系数后,有效地提高了其抗噪性能。同时利用递推的核函数计算方法增强了该算法的在线学习能力。仿真结果表明,这一算法在运算精度和运算速度上都优于传统的支持向量机算法。

关键词：模糊最小二乘支持向量机增量式算法电压偏离值风速预测时间序列预测

来源：评论

学校读者我要写书评

暂无评论

增量式自适应逆控制及在过热汽温中的应用

引用

控制工程 2015年第3期22卷 470-474页

作者：王志杰寻新刘武林刘复平国网湖南省电力公司电力科学研究长沙410000

被控对象的迟延和惯性特性是影响控制系统品质的重要因素之一。从常规PID增量式控制算法入手,在对具有迟延和惯性被控对象的动态特性进行定性分析的基础上,给出了一种改进型增量式控制算法的表达式;分析了被控对象校正逆模型的参数向量... 详细信息

被控对象的迟延和惯性特性是影响控制系统品质的重要因素之一。从常规PID增量式控制算法入手,在对具有迟延和惯性被控对象的动态特性进行定性分析的基础上,给出了一种改进型增量式控制算法的表达式;分析了被控对象校正逆模型的参数向量与控制器的参数向量之间的联系,进而将控制器的获取与被控对象校正逆模型的建立相结合,将控制器的自适应过程归结为被控对象校正逆模型的在线辨识问题,通过对校正逆模型的在线辨识直接对改进型增量式控制算法中控制器的参数进行在线修正,形成了一种增量式自适应逆控制系统。将该方法应用于锅炉过热汽温控制系统中,并通过与常规PID串级控制和直接自适应逆控制系统的控制效果对比,验证了所提方法的有效性。

关键词：增量式算法校正基准量自适应逆控制过热汽温

来源：评论

学校读者我要写书评

暂无评论

电源线/地线网络高效统计分析方法

引用

自然科学进展 2007年第9期17卷 1287-1294页

作者：骆祖莹北京师范大学信息科学与技术学院

基于电源线/地线网络(P/G网)分析中的局域性,针对P/G网中大量存在的树状与链状强连接,提出了一种带预处理的增量式统计分析方法,包括三个步骤:(1)消除强连接,压缩电路规模,将被压缩节点的输入电流变化等效到剩余节点上.(2)基于P/G电路... 详细信息

基于电源线/地线网络(P/G网)分析中的局域性,针对P/G网中大量存在的树状与链状强连接,提出了一种带预处理的增量式统计分析方法,包括三个步骤:(1)消除强连接,压缩电路规模,将被压缩节点的输入电流变化等效到剩余节点上.(2)基于P/G电路局域性,利用局部电路快速计算出相关电阻矩阵,直接根据电流变化计算出节点电压变化,从而对剩余电路进行快速统计分析.(3)展开强连接,计算出强连接中的节点电压变化.在理论上提出了强连接电路的统计式压缩与展开方法,这种方法具有高效和增量分析两大优点,大量的实验数据表明:与模拟方法相比,这种方法可以快速计算出P/G网节点电压变化的下界,在保证2%精度的前提下,速度可以提高2—3个数量级.

关键词： P/G网统计分析增量式算法等效电路方法

来源：评论

学校读者我要写书评

暂无评论

非线性维数约减算法中若干关键问题的研究

非线性维数约减算法中若干关键问题的研究

引用

作者：石陆魁天津大学

学位级别：博士

维数约减是处理多维数据的一个重要步骤,是机器学习中的一个重要研究课题,尤其是非线性维数约减技术已经成为机器学习中的一个研究热点。本文针对非线性维数约减算法中的若干关键问题进行了研究。首先,分析和比较了基于应力函数的评价... 详细信息

维数约减是处理多维数据的一个重要步骤,是机器学习中的一个重要研究课题,尤其是非线性维数约减技术已经成为机器学习中的一个研究热点。本文针对非线性维数约减算法中的若干关键问题进行了研究。首先,分析和比较了基于应力函数的评价模型、基于剩余方差的评价模型和基于DY-DX表示法的评价模型,提出了一种基于距离比例方差的评价模型。实验结果表明,利用该模型不但可以评判同一算法在不同参数下的映射效果,而且可以比较不同算法之间的嵌入质量。同时还讨论了如何利用应力函数、剩余方差和距离比例方差来确定邻域参数和低维空间的维数。其次,研究了增量式非线性维数约减算法问题,通过改进增量式ISOMAP算法得到了基于距离保持的增量式算法,提出了基于拓朴保持的增量式算法和基于k近邻投影的增量式算法,这三种算法都可以较为中肯地将训练集之外的样本映射到低维空间中。理论分析和实验结果表明,基于距离保持的增量式算法具有较好的映射质量,基于拓朴保持的增量式算法具有较高的效率,但它们都只是对ISOMAP算法的扩展。而基于k近邻投影的增量式算法同时具有较好的映射质量和较高的计算效率,而且可以作为任一种非线性维数约减算法的扩展。对于含噪声的数据,由于新样本的低维嵌入与训练集的低维坐标无关,基于拓朴保持的增量式算法对噪声不太敏感。而其他两种算法只要在映射训练样本时较好地处理了噪声,就可以忽略噪声的影响。最后,本文讨论了非线性维数约减算法在分类和聚类中的应用。在指纹分类和文本分类中的实验结果表明,通过结合非线性维数约减算法和分类技术,在保证分类精度的前提下,极大地提高了分类算法的执行效率,降低了分类算法的空间需求。对聚类算法的实验结果表明,基于非线性维数约减的聚类算法可以发现任意形状的类,聚类质量明显优于K-均值算法的聚类结果。

关键词：非线性维数约减评价模型增量式算法分类聚类

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：