检索结果-内蒙古大学图书馆

计算机应用 2024年第4期44卷 1172-1179页

作者：倪瑞轩蔡淼叶保留河海大学计算机与信息学院南京211100 水利部水利大数据重点实验室(河海大学) 南京211100 计算机软件新技术国家重点实验室(南京大学) 南京210023

为了在数据密集型工作流下有效降低缓存碎片整理开销并提高缓存命中率,提出一种持久性分布式文件系统客户端缓存DFS-Cache(Distributed File System Cache)。DFS-Cache基于非易失性内存(NVM)设计实现,能够保证数据的持久性和崩溃一致性... 详细信息

为了在数据密集型工作流下有效降低缓存碎片整理开销并提高缓存命中率,提出一种持久性分布式文件系统客户端缓存DFS-Cache(Distributed File System Cache)。DFS-Cache基于非易失性内存(NVM)设计实现,能够保证数据的持久性和崩溃一致性,并大幅减少冷启动时间。DFS-Cache包括基于虚拟内存重映射的缓存碎片整理机制和基于生存时间(TTL)的缓存空间管理策略。前者基于NVM可被内存控制器直接寻址的特性,动态修改虚拟地址和物理地址之间的映射关系,实现零拷贝的内存碎片整理;后者是一种冷热分离的分组管理策略,借助重映射的缓存碎片整理机制,提升缓存空间的管理效率。实验采用真实的Intel傲腾持久性内存设备,对比商用的分布式文件系统MooseFS和GlusterFS,采用Fio和Filebench等标准测试程序,DFS-Cache最高能提升5.73倍和1.89倍的系统吞吐量。

关键词：非易失性内存分布式文件系统客户端缓存缓存碎片整理冷热数据分组缓存设计

来源：评论

学校读者我要写书评

暂无评论

基于类间区分度的属性约简方法

引用

计算机科学与探索 2019年第8期13卷 1422-1430页

作者：饶亚贾修一李同军商琳南京理工大学计算机科学与工程学院南京210094 浙江海洋大学浙江省海洋大数据挖掘与应用重点实验室浙江舟山316022 南京大学计算机软件新技术国家重点实验室南京210093

属性约简是粗糙集理论中最重要的研究问题之一。近年来,粗糙集理论下的属性约简问题引发了学者们广泛的关注。然而,大多数属性约简方法都是基于不可分辨或可分辨关系所提出的,属性约简的性能仅仅取决于等价类或近似集的变化,却忽略了不... 详细信息

属性约简是粗糙集理论中最重要的研究问题之一。近年来,粗糙集理论下的属性约简问题引发了学者们广泛的关注。然而,大多数属性约简方法都是基于不可分辨或可分辨关系所提出的,属性约简的性能仅仅取决于等价类或近似集的变化,却忽略了不具有等价关系的对象所在的不同类簇间关系的变化情况。因此,引入了类间区分度的概念,相较于等价类和上下近似集而言,它可以反映类簇区分程度随属性变化而变化的情况。对类间重合度和类间区分度进行了解释及定义,并结合启发式搜索策略,提出了一种基于类间区分度的属性约简方法,实验验证了所提方法的有效性。

关键词：属性约简粗糙集理论类间重合度类间区分度

来源：评论

学校读者我要写书评

暂无评论

结构影响力及标签冲突感知的图课程学习方法

引用

计算机科学 2024年第10期51卷 227-233页

作者：刘祖龙陈可佳南京邮电大学计算机学院南京210023 江苏省大数据安全与智能处理重点实验室(南京邮电大学) 南京210023 南京大学软件新技术重点实验室南京210023

近年来,图神经网络(GNNs)已成为图学习领域的热点研究问题。受益于消息传递机制,GNNs在各类基于图的任务上均取得了优越的性能。现有的GNNs方法大多基于图中所有节点的训练难度相同的假设,然而,节点在结构影响力和邻域标签异配性等方面... 详细信息

近年来,图神经网络(GNNs)已成为图学习领域的热点研究问题。受益于消息传递机制,GNNs在各类基于图的任务上均取得了优越的性能。现有的GNNs方法大多基于图中所有节点的训练难度相同的假设,然而,节点在结构影响力和邻域标签异配性等方面具有明显的差异。为此,提出了一种结构影响力及标签冲突感知的图课程学习方法(SILC-GCL),基于节点的训练难度对GNNs模型进行课程学习。首先,设计了一种综合考虑节点的PageRank影响力值以及邻域标签冲突程度的训练难度测量器;其次,采用了一个训练调度器,用于在每个训练阶段选择训练难度合适的节点并生成一个由易到难的训练节点序列;最后在GNNs骨架模型上进行训练。在6个现实网络数据集上进行的节点分类实验均验证了SILC-GCL方法的有效性。

关键词：图表示学习图神经网络课程学习节点分类

来源：评论

学校读者我要写书评

暂无评论

浙东南吴小垟矿床晚白垩世铌成矿特征及其找矿指示意义

引用

地质学报 2023年第11期97卷 3825-3845页

作者：丁绵绵车旭东饶灿李晓峰李伟南京大学内生金属矿床成矿机制研究国家重点实验室南京大学地球科学与工程学院江苏南京210023 浙江大学地球科学学院浙江省地学大数据与地球深部资源重点实验室浙江杭州310027 中国科学院地质与地球物理研究所岩石圈演化国家重点实验室北京100029 浙江省第十一地质大队浙江温州325006

稀有金属铌钽在我国华南存在多时代成矿特征,前人对其最晚成矿期晚白垩世成矿事件报道较少。本文以浙东南的吴小垟铌矿床为研究对象,结合野外调查、岩石学、矿物原位微区分析和同位素年代学等研究,确定矿床铌成矿岩体为细粒黑云母花岗岩... 详细信息

稀有金属铌钽在我国华南存在多时代成矿特征,前人对其最晚成矿期晚白垩世成矿事件报道较少。本文以浙东南的吴小垟铌矿床为研究对象,结合野外调查、岩石学、矿物原位微区分析和同位素年代学等研究,确定矿床铌成矿岩体为细粒黑云母花岗岩,成岩成矿年龄分别为89.2±0.8 Ma和86.5±1.0 Ma,揭示了该区存在晚白垩世花岗岩侵位及其相关铌成矿事件。铌除了以独立矿物的形式赋存在铌铁矿、铌铁金红石、铅烧绿石中,还有部分铌赋存于黑云母中。在岩浆-热液作用下,云母类型发生了从铁云母→黑鳞云母→铁锂云母的变化。铁云母Nb含量最高可达1253×10^(-6),黑鳞云母-铁锂云母铌含量最高至794×10^(-6),黑云母极度富铌的特征,指示该花岗岩具有非常好的铌找矿潜力,富铌黑云母可以作为一种铌钽找矿指示性矿物。综合上述矿物学特征,得出吴小垟矿床存在两阶段铌成矿事件:岩浆期原生铌铁矿族矿物、原生富铌黑云母和铌铁金红石的形成;以及后期热液作用下铌从岩浆和原生含铌矿物中迁移出形成次生的含铌氧化物。

关键词：铌矿床铌铁矿U-Pb定年富铌黑云母晚白垩世吴小垟浙东南

来源：评论

学校读者我要写书评

暂无评论

基于Spark的极限学习机算法并行化研究

引用

计算机科学 2017年第12期44卷 33-37页

作者：刘鹏王学奎黄宜华孟磊丁恩杰中国矿业大学物联网(感知矿山)研究中心徐州221008 矿山互联网应用技术国家地方联合工程实验室徐州221008 中国矿业大学信息与控制工程学院徐州221116 南京大学计算机系PASA大数据实验室南京210023

极限学习机算法虽然训练速度较快,但包含了大量矩阵运算,因此其在面对大数据量时,处理效率依然缓慢。在充分研究Spark分布式数据集并行计算机制的基础上,设计了核心环节矩阵乘法的并行计算方案,并对基于Spark的极限学习机并行化算法进... 详细信息

极限学习机算法虽然训练速度较快,但包含了大量矩阵运算,因此其在面对大数据量时,处理效率依然缓慢。在充分研究Spark分布式数据集并行计算机制的基础上,设计了核心环节矩阵乘法的并行计算方案,并对基于Spark的极限学习机并行化算法进行了设计与实现。为方便性能比较,同时实现了基于Hadoop MapReduce的极限学习机并行化算法。实验结果表明,基于Spark的极限学习机并行化算法相比于Hadoop MapReduce版本的运行时间明显缩短,而且若处理数据量越大,Spark在效率方面的优势就越明显。

关键词：限学习机并行化 Spark RDD,Hadoop MapReduce

来源：评论

学校读者我要写书评

暂无评论

21世纪以来医学信息学研究走向及其健康信息学转向

引用

情报学报 2020年第7期39卷 777-786页

作者：徐璐璐杜建叶鹰江苏省数据工程与知识服务重点实验室南京大学信息管理学院南京210023 南通大学图书馆南通226019 北京大学健康医疗大数据研究中心北京100191

结合IMIA(International Medical Informatics Association)年鉴的定性数据和分别取自Web of Science和CNKI的国际、国内定量数据,用LDA主题模型识别研究的主题,在识别论文主题模型基础上采用3种聚类算法对研究进行聚类分析。研究发现,2... 详细信息

结合IMIA(International Medical Informatics Association)年鉴的定性数据和分别取自Web of Science和CNKI的国际、国内定量数据,用LDA主题模型识别研究的主题,在识别论文主题模型基础上采用3种聚类算法对研究进行聚类分析。研究发现,2000—2018年医学信息学分化出生物信息学和健康信息学两大分支,分别形成医学信息学的“硬”走向和“软”走向。在揭示两类走向分别标志医学信息学的技术性和应用性发展的同时,建议对医学信息学的健康信息学转向给予关注,并强化国家政策设计。

关键词：医学信息学健康信息学信息计量分析科学图谱 LDA模型文本聚类

来源：评论

学校读者我要写书评

暂无评论

基于贪心组合优化的分布极端不平衡分类算法

引用

小型微型计算机系统 2024年第10期45卷 2411-2419页

作者：陈兴国许静李扬罗玉盘南京邮电大学大数据安全与智能处理重点实验室南京210023 南京大学计算机软件新技术国家重点实验室南京210046 井冈山大学网络信息中心江西吉安343009

现有针对不平衡数据分类的研究主要从重采样、特征、代价和算法等4个角度展开,方法多样,但针对极端不平衡的数据分布仍缺乏有效算法.本文的目标是通过结合各种算法的特性获取一个最优性能的组合算法.本文假设算法间的组合满足次模函数性... 详细信息

现有针对不平衡数据分类的研究主要从重采样、特征、代价和算法等4个角度展开,方法多样,但针对极端不平衡的数据分布仍缺乏有效算法.本文的目标是通过结合各种算法的特性获取一个最优性能的组合算法.本文假设算法间的组合满足次模函数性质,并采用贪心的组合优化方法.具体而言,选择深度森林算法为基础,依次组合最优重采样方法、以异常检测思想的特征提取方法对数据进行的特征处理方法或基于贝叶斯优化的最优代价敏感矩阵方法.在3种组合算法中选择分类性能最优的算法组合,再次组合其余角度的方法,判断分类性能是否再次提升.实验选择两组极端不平衡数据——真实饮用水数据和UCI数据库中的page-blocks数据进行验证.结果表明,基于贪心优化对算法间进行组合,在3轮迭代后得到的算法组合,较单一算法其分类性能能有进一步的提升.

关键词：次模函数贪心优化数据分布极端不平衡深度森林组合算法

来源：评论

学校读者我要写书评

暂无评论

基金项目研究的主题挖掘与动态演化分析——以美国NSF数据中AI领域为例

引用

情报学报 2022年第9期41卷 967-979页

作者：靳嘉林王曰芬巴志超岑咏华南京理工大学经济管理学院南京210094 天津师范大学管理学院天津300387 天津师范大学大数据科学研究院天津300387 南京大学数据智能与交叉创新实验室南京210023

本文旨在构架基金项目研究主题挖掘与动态演化分析的情报研究流程,通过对表征基金项目标题、摘要与学部的数据进行关联建模和挖掘,从项目内容层面上探究基金资助领域研究涉及的主题特点、范围侧重、发展方向及演化脉络。首先利用RAKE (r... 详细信息

本文旨在构架基金项目研究主题挖掘与动态演化分析的情报研究流程,通过对表征基金项目标题、摘要与学部的数据进行关联建模和挖掘,从项目内容层面上探究基金资助领域研究涉及的主题特点、范围侧重、发展方向及演化脉络。首先利用RAKE (rapid automatic keyword extraction)关键词抽取算法从基金数据中的标题和摘要中抽取关键词,通过术语切分等方式获得核心关键词;然后,采用Google的word2vec深度学习工具对核心关键词进行词向量建模,并使用k-means算法对生成的词向量进行聚类,挖掘相应的研究主题;进而对主题分布进行统计分析,且通过WMD (word mover’s distance)算法计算主题之间的相似度,以分析研究主题演化趋势,并识别出演化主路径。实证研究发现,以美国NSF (National Science Foundation)数据中AI (artificial intelligence)领域为例,所提方法流程能够识别出AI领域的多个主题,且能识别出不同学部的主题侧重;在发展过程中,研究主题演化呈现出大量分裂与融合的复杂态势,演化路径明晰,侧重点突出,通过演化强度能够明晰研究主题演化的主路径。研究结果表明,本文方法流程能够有效揭示基金资助对相关技术的整合与推动态势,可为学术研究与政府规划提供有力的支撑。

关键词：主题挖掘动态演化词向量建模美国国家科学基金人工智能

来源：评论

学校读者我要写书评

暂无评论

基于用户行为特征的多维度文本聚类

引用

计算机应用 2018年第11期38卷 3127-3131,3138页

作者：黎万英黄瑞章丁志远陈艳平徐立洋贵州大学计算机科学与技术学院贵阳550025 贵州省公共大数据重点实验室(贵州大学) 贵阳550025 计算机软件新技术国家重点实验室(南京大学) 南京210093

传统多维度文本聚类一般是从文本内容中提取特征,而很少考虑数据中用户与文本的交互信息(如:点赞、转发、评论、关注、引用等行为信息),且传统的多维度文本聚类主要是将多个空间维度线性结合,没能深入考虑每个维度中属性间的关系。为有... 详细信息

传统多维度文本聚类一般是从文本内容中提取特征,而很少考虑数据中用户与文本的交互信息(如:点赞、转发、评论、关注、引用等行为信息),且传统的多维度文本聚类主要是将多个空间维度线性结合,没能深入考虑每个维度中属性间的关系。为有效利用与文本相关的用户行为信息,提出一种结合用户行为信息的多维度文本聚类模型(MTCUBC)。根据文本间的相似性在不同空间上应该保持一致的原则,该模型将用户行为信息作为文本内容聚类的约束来调节相似度,然后结合度量学习方法来改善文本间的距离,从而提高聚类效果。通过实验表明,与线性结合的多维度聚类相比,MTCUBC模型在高维稀疏数据中表现出明显的优势。

关键词：多维度聚类度量学习约束用户行为特征

来源：评论

学校读者我要写书评

暂无评论

基于狄利克雷多项分配模型的多源文本主题挖掘模型

引用

计算机应用 2018年第11期38卷 3094-3099,3104页

作者：徐立洋黄瑞章陈艳平钱志森黎万英贵州大学计算机科学与技术学院贵阳550025 贵州省公共大数据重点实验室(贵州大学) 贵阳550025 计算机软件新技术国家重点实验室(南京大学) 南京210093

随着文本数据来源渠道越来越丰富,面向多源文本数据进行主题挖掘已成为文本挖掘领域的研究重点。由于传统主题模型主要面向单源文本数据建模,直接应用于多源文本数据有较多的限制。针对该问题提出了基于狄利克雷多项分配(DMA)模型的多... 详细信息

随着文本数据来源渠道越来越丰富,面向多源文本数据进行主题挖掘已成为文本挖掘领域的研究重点。由于传统主题模型主要面向单源文本数据建模,直接应用于多源文本数据有较多的限制。针对该问题提出了基于狄利克雷多项分配(DMA)模型的多源文本主题挖掘模型——多源狄利克雷多项分配模型(MSDMA)。通过考虑主题在不同数据源的词分布的差异性,结合DMA模型的非参聚类性质,模型主要解决了如下三个问题:1)能够学习出同一个主题在不同数据源中特有的词分布形式;2)通过数据源之间共享主题空间和词项空间,使得数据源间可进行主题知识互补,提升对高噪声、低信息量的数据源的主题发现效果;3)能自主学习出每个数据源内的主题数量,不需要事先给定主题个数。最后通过在模拟数据集和真实数据集的实验结果表明,所提模型比传统主题模型能更有效地对多源数据进行主题信息挖掘。

关键词：多源文本数据主题模型吉布斯采样狄利克雷多项分配模型文本挖掘

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：