国家科技期刊平台

相关度

相关度
发表时间

每页显示10条

每页显示10条
每页显示20条
每页显示30条

已找到 48 条结果

一种有效的大规模数据的分类方法北大核心CSCDCSTPCD
作者：张艳宁赵荣椿梁怡
发表期刊：电子学报 2002年10期
关键词：自组织特征映射神经网络支撑矢量机大规模数据模式分类
摘要：本文提出了一种基于自组织特征映射神经网络(SOM)和支撑矢量机(SVM)相结合的复杂模式的大规模数据的分类方法.该方法首先利用自组织特征映射神经网络对待识目标进行聚类,然后应用支撑矢量机方法对其进行分类识别.通过对复杂异或(XOR)分类问题,以及实际的Iris和Appendicitis数据分类问题等的分类实验,且与仅用支撑矢量机的分类方法比较,结果表明,本文提出的方法对复杂模式的大规模数据的分类识别问题具有较好的效果,且训练时间大幅度减小.
大规模非结构化数据的索引技术研究CSTPCD
作者：时亚南张太红陈燕红郭斌
发表期刊：计算机技术与发展 2014年12期
关键词：大规模数据倒排索引分块式存储线性散列B+树
摘要：为解决搜索引擎ASPSeek在大规模数据下检索效率低下、占用空间大以及不利于更新等问题,提出了一种分块式存储的倒排索引组织技术,并对基于外存的B+树索引和线性散列索引的性能进行了比较测试研究。测试结果表明,查询每万条数据耗时线性散列为B+树索引快57.40％,插入每万条数据耗时线性散列为B+树索引的2.44倍,删除每万条数据耗时线性散列为B+树索引的83.52％,线性散列索引文件大小为B+树索引文件大小的109.56％。由测试结果可知…查看全部>>
一种支持大规模数据的多维可视化分析框架CSCDCSTPCD
作者：游进国杨卓荦胡建华奚建清
发表期刊：计算机工程 2011年19期
关键词：数据仓库可视化分析Hadoop软件大规模数据XMLA协议
摘要：以Hadoop为代表的可扩展大规模数据库难以进行多维可视化分析.为此,设计基于B/S架构的可视化分析框架Bizard.数据模型通过封装底层数据接口以支持业界多维数据访问协议XMLA,从而在展现层易于接入支持XMLA的传统分析工具,同时采用视图物化技术提高分析性能,利用互联网技术丰富用户分析体验.实验结果表明,该框架能在高达千万条记录级的数据上进行多维可视化分析.
代价敏感支持向量机的投影次梯度求解方法CSTPCD
作者：梁万路
发表期刊：兵工自动化 2011年4期
关键词：不均衡数据代价敏感支持向量机大规模数据
摘要：针对传统的分类算法以及精度作为评价指标不能够满足现实分类问题的需要,将代价敏感方法引入支持向量机中,提出一种新的学习算法CSSVM,并得到了类似于Pegasos的投影次梯度求解方法,用于大规模数据的处理.Pegasos的步骤包括初始化,迭代,确定梯度下降的步长、确定梯度下降方向、更新,投影和结束.实验结果表明,该算法能有效提高识别率和识别精度,具有一定的竞争力.
中国数据挖掘研究进展CSCDCSTPCD
作者：高阳
发表期刊：南京大学学报：自然科学版 2011年4期
关键词：数据挖掘技术中国社会网络分析大规模数据自然科学生物医学关联规则数据类型
摘要：数据挖掘（data mining）是一个从大规模数据中挖掘不平凡知识的专门技术,目前已经在自然科学、生物医学、经济学、社会学甚至文学研究中得到了广泛的应用.从传统任务分类的角度,数据挖掘技术可分为七类,分别是：分类,聚类,预测,关联规则,评估,可视化和复杂数据类型挖掘.但数据挖掘技术近几年得到了迅猛的发展,已经扩展到社会网络分析、推荐系统、图数据挖掘、时空数据分析、特征选择等等新的研究领域.
共享近邻紧密度的增量式谱聚类算法北大核心CSCDCSTPCD
作者：赵萌萌王士同
发表期刊：计算机科学与探索 2020年6期
关键词：谱聚类共享最近邻增量式大规模数据
摘要：现有的基于共享近邻紧密度的谱聚类算法由于能很好地探索出数据点之间的潜在相似性关系,对未能完全分离的数据集具有健壮性,受到了越来越多的关注.但是,在运行时间和内存需求方面,它要花费的代价仍然十分昂贵,这使得其聚类处理能力不太高效,具有运行速度较慢,运行时间过长,面对大数据集时算法失效等缺点,因此该算法对于大规模数据集来说是不切实际的.为了克服这些缺点,提出了一种它的增量版本.该算法的思想是先将数据集分解为若干子集,然后以增量的方式在每个…查看全部>>
面向大规模数据快速聚类K-means算法的研究北大核心CSTPCD
作者：郭占元林涛
发表期刊：计算机应用与软件 2017年5期
关键词：大规模数据聚类算法MapReduceHash样本抽样Pam算法
摘要：为进一步提高K-means算法对大规模数据聚类的效率,结合MapReduce计算模型,提出一种先利用Hash函数进行样本抽取,再利用Pam算法获取初始中心的并行聚类方法.通过Hash函数抽取的样本能充分反映数据的统计特性,使用Pam算法获取初始聚类中心,改善了传统聚类算法依赖初始中心的问题.实验结果表明该算法有效提高了聚类质量和执行效率,适用于对大规模数据的聚类分析.
大规模多视图数据的自降维K-means算法北大核心CSCDCSTPCD
作者：曹卫东蔡浩天
发表期刊：计算机应用研究 2020年10期
关键词：大规模数据多视图自降维K-means信息互补
摘要：为了提升传统多视图K-means算法在高维数据中的聚类性能,提出了一种鲁棒性大规模多视图数据的自降维K-means算法RMSKMC(robust multi-view subKmeans clustering).通过寻找单个视图上的最优子空间实现高维数据的自降维,利用非负矩阵分解(NMF)对损失函数进行重构,使不同视图共享相同的聚类指示矩阵从而实现多视图信息互补,完成大规模多视图数据的聚类.实验结果表明,在大规模多视图数据集上,该算法…查看全部>>
基于MPI的近邻距离加权偏标记学习算法之并行实现北大核心CSTPCD
作者：王进高延雨邓欣陈乔松
发表期刊：江苏大学学报（自然科学版） 2018年6期
关键词：偏标记学习并行大规模数据MPI运行效率
摘要：针对基于样例的偏标记学习方法IPAL需对每个样本求取近邻及近邻的权值、耗时太多而不适用于求取大规模数据的问题,提出了一种基于近邻距离加权的偏标记学习算法,对IPAL中近邻权值的求取方式进行改进.为提升新算法的运行效率,在训练集与测试集的读取、相似度图的构建、迭代标记传播和测试样本的预测等方面进行了并行计算;设计了新算法的并行模型,且在MPI的集群环境下实现此模型.将改进后串行算法WIPAL的运行效率和分类准确率与IPAL进行对比,且将…查看全部>>
基于云平台的分布式PCA算法在煤炭图像处理中的研究与实现
作者：周蓉
发表期刊：福建电脑 2015年11期
关键词：云计算PCA分布式MapReduce大规模数据
摘要：PCA算法能够有效地将高维数据投影到较低维空间，应用在各种高维数据的处理中。在煤炭系统中，随着数字时代的高速发展，煤炭数据不仅从维度方面快速增长，而且数据的规模也呈现指数级增长。传统的PCA算法不能有效地处理海量规模煤炭数据。本文针对大规模煤炭数据，提出了分布式PCA算法，该算法基于现有流行的MapReduce分布式计算框架，能够快速、有效地完成PCA数据分析工作。通过大量的实验结果进一步证明了本文提出的算法具有很高的效率以及很好的可扩展性。

12 3 4 5 >