您的位置: 专家智库 > >

国家自然科学基金(60773072)

作品数:5 被引量:22H指数:3
相关作者:施伯乐陈华辉叶青严彬熊伟清更多>>
相关机构:宁波大学复旦大学西安交通大学更多>>
发文基金:国家自然科学基金浙江省自然科学基金浙江省教育厅科研计划更多>>
相关领域:自动化与计算机技术更多>>

文献类型

  • 5篇中文期刊文章

领域

  • 5篇自动化与计算...

主题

  • 3篇数据流
  • 2篇小波
  • 2篇小波变换
  • 2篇离散小波变换
  • 2篇波变换
  • 1篇多峰函数
  • 1篇蚁群
  • 1篇蚁群算法
  • 1篇拥塞
  • 1篇拥塞控制
  • 1篇拥塞控制策略
  • 1篇用户
  • 1篇用户兴趣
  • 1篇时间序列
  • 1篇群算法
  • 1篇聚类
  • 1篇聚类方法
  • 1篇类方
  • 1篇个性化推荐
  • 1篇多种群

机构

  • 5篇宁波大学
  • 3篇复旦大学
  • 1篇西安理工大学
  • 1篇西安交通大学

作者

  • 3篇陈华辉
  • 3篇施伯乐
  • 1篇程美英
  • 1篇茅琴娇
  • 1篇潘善亮
  • 1篇熊伟清
  • 1篇严彬
  • 1篇叶青
  • 1篇李燕
  • 1篇冯博琴

传媒

  • 1篇计算机研究与...
  • 1篇模式识别与人...
  • 1篇控制理论与应...
  • 1篇小型微型计算...
  • 1篇山东大学学报...

年份

  • 1篇2010
  • 4篇2009
5 条 记 录,以下是 1-5
排序方式:
基于随机投影的并行数据流聚类方法被引量:4
2009年
利用数据流的遗忘特性,应用随机投影,分层、动态地维护每个数据流的概要结构.基于该概要结构,快速计算数据流和聚类中心之间的近似距离,实现一种适合并行多数据流的K-means聚类方法.所进行的实验验证该方法的有效性.
陈华辉施伯乐
关键词:数据流
时间序列流的分层段模型被引量:2
2009年
本文工作针对这样一类时间序列流,其特点为:(1)序列动态增长,高维,甚至是无限的;(2)对序列中的数据只能一趟扫描,利用一趟扫描建立时间序列流的近似概要,其后的处理只能依赖该概要结构;(3)对序列中的数据的重视程度由近及远降低,对远的数据逐步遗忘.针对这些特点,本文提出一种称为"分层段模型"的时间序列流通用处理框架.在这一框架下,每一时间序列流将被动态地划分成若干子序列,每个子序列抽取成一个称为"段"的概要结构.段是分层组织的,通过段把传统静态时间序列的主要近似方法应用到时间序列流的场合,并实现流中数据的遗忘机制.所进行的实验验证了该模型的有效性.
陈华辉施伯乐
关键词:离散小波变换数据流
数据流上具有数据遗忘特性的小波概要被引量:4
2009年
动态地维护数据流的概要结构是数据流查询和挖掘等处理工作的基础.在许多数据流应用场合,数据的影响随时间衰减,流中数据被逐步遗忘,称为数据流的遗忘特性.在数据流概要的构造中,应体现这种特性.离散小波变换是一种应用得较多的数据流概要构造方法.将数据流的遗忘特性引入小波概要的构造中,提出了一种能反映数据流遗忘特性的小波概要结构:基于小波的分层遗忘概要,分别讨论了误差平方和及最大绝对误差两种误差度量标准下这种概要的构造方法.所进行的实验验证了该概要的有效性.
陈华辉施伯乐
关键词:离散小波变换数据流
一种基于概念格的用户兴趣预测方法被引量:2
2010年
传统协作过滤方法将用户所有属性不加区分地用于计算相似度寻找最近邻,推荐效果不太理想。本文提出了一种基于概念格的用户兴趣预测算法。首先,从用户访问日志中抽取用户资源访问的形式背景,构建该形式背景的概念格;其次,选择合适的滑动窗口来限定用户的当前访问内容,据此识别出用户当前的独立偏好;最后分别计算独立偏好对待排序文档的推荐效用,通过加权计算用户当前所有兴趣所反映的个性化资源偏好,进行用户兴趣预测。该方法分析了传统方法中没有考虑的文档独立性,从而有效地识别和划分用户偏好,符合用户之间仅仅在某一方面或者某一兴趣上相似、而并非所有兴趣都相似这一特点。实验采用真实的日志数据。结果表明:该方法能够有效地实现资源推荐,且可以减轻传统协作过滤方法的冷启动问题。
茅琴娇冯博琴李燕潘善亮
关键词:概念格个性化推荐
带拥塞控制的多种群二元蚁群算法被引量:10
2009年
二元蚁群算法在函数优化中有着良好的表现,但仍存在易陷入局部最优和在多峰函数求解中无法同时得到多个解的缺陷.使用拥塞控制策略改善算法的全局寻优能力,同时引入多种群的思想,提出了带拥塞控制多种群二元蚁群算法.通过对几个不同函数(包括单峰与多峰)的测试,实验结果表明该改进算法在保证较好的全局搜索能力的基础上,拥有很好的多目标求解能力。
严彬熊伟清程美英叶青
关键词:拥塞控制策略多种群多峰函数
共1页<1>
聚类工具0