陈欢
- 作品数：3 被引量：13H指数：2
- 供职机构：浙江工业大学计算机科学与技术学院、软件学院更多>>
- 发文基金：浙江省自然科学基金浙江省重点科技计划浙江省科技攻关计划更多>>
- 相关领域：自动化与计算机技术更多>>
- 基于Moore-Penrose逆的加权距离函数研究
- 2012年
- "距离"是科学研究与工程技术领域中使用非常广泛的一种度量.在分析各种距离优、缺点的基础上,根据马氏距离不受量纲影响,能描述和处理相关性数据的性能优势,利用加权Moore-Penrose(WMP)广义逆定义了WMP马氏距离,并通过奇异值分解及矩阵的谱分解理论构造其数学形式和计算方法.理论分析和仿真实验表明,所提出的方法不仅保持了马氏距离和MP马氏距离的优点,而且克服了它们的缺点,同时又具有更好的独特性能.
- 黄德才陈欢
- 关键词：MOORE-PENROSE广义逆奇异值分解谱分解
- 基于广义马氏距离的缺损数据补值算法被引量：11
- 2011年
- 在数据收集过程中数据缺损是不可避免的。如何还原这些缺损数据,成为数据挖掘研究的热点问题之一。与许多现有算法一样,基于马氏距离的缺损数据补值算法充分利用了实际数据之间的相关性,具有较好的补值效果,但它要求数据的相关性协方差矩阵可逆,使其应用范围受到了极大的限制。在改进传统主成分分析方法的基础上,利用矩阵的奇异值分解理论和Moore-Penrose广义逆性质,提出了广义马氏距离的概念,并运用于SOFM神经网络,结合信息熵理论设计了基于广义马氏距离的缺损数据补值算法——GS算法。理论分析和数值仿真结果表明,广义马氏距离完全继承了马氏距离在处理相关性数据上的性能优势,新算法不仅在补值的精确度和稳定性上有很好的效果,而且适用于任意数据集合。
- 陈欢黄德才
- 关键词：主成分分析SOFM神经网络信息熵
- Hadoop平台下海量数据排行榜过滤算法被引量：2
- 2012年
- 排行榜作为现代社会很受关注的一项事物深入大家的生活,但对于海量数据的排行,即使在分布式环境下,依然需要耗费大量硬件资源和很长的时间,有时甚至无法产出榜单。首先对贝叶斯方法进行了改进,提出了一种基于hadoop分布式环境下的行榜海量数据过滤算法,该方法利用熵值理论对缺损数据进行填补得到完整数据;再利用改进的贝叶斯方法计算某商品当日销量进榜单的概率,并对概率低于概率阈值的商品数据进行过滤使其不参与排行计算,从而在确保排行榜精确度的前提下大大缩短榜单的产出时间。对淘宝网中400万条销售记录数据进行实验仿真,结果验证了上述方法的有效性和优越性能。
- 黄德才陈欢
- 关键词：排行榜HADOOP海量数据贝叶斯
