期刊文献+
共找到3篇文章
< 1 >
每页显示 20 50 100
基于云计算平台的聚类算法 被引量:10
1
作者 孟海东 任敬佩 《计算机工程与设计》 北大核心 2015年第11期2990-2994,共5页
针对大数据的海量与高维特性,提出一种在云计算平台上基于MapReduce框架的距离三角不等式Canopy-Kmeans并行聚类算法。利用三角不等式的原理减少计算冗余,提高原算法的执行速度。实验结果表明,该算法减少了I/O以及网络传输的消耗,克服... 针对大数据的海量与高维特性,提出一种在云计算平台上基于MapReduce框架的距离三角不等式Canopy-Kmeans并行聚类算法。利用三角不等式的原理减少计算冗余,提高原算法的执行速度。实验结果表明,该算法减少了I/O以及网络传输的消耗,克服了算法陷入局部最优解的缺点,使之能够充分利用集群的计算和存储能力对大数据进行聚类分析。 展开更多
关键词 云计算 Canopy-Kmeans算法 三角不等式原理 大数据 并行
在线阅读 下载PDF
基于云计算平台的动态增量密度算法研究 被引量:1
2
作者 孟海东 任敬佩 《计算机应用与软件》 CSCD 2016年第6期16-19,共4页
针对传统密度聚类算法处理海量数据时间复杂度高且不适合处理动态数据等问题,提出一种利用参考点和MapReduce模型进行动态增量聚类的密度算法。其创新点在于,该算法实现了一种能够处理海量动态数据的聚类算法,保证了增量聚类与重新聚类... 针对传统密度聚类算法处理海量数据时间复杂度高且不适合处理动态数据等问题,提出一种利用参考点和MapReduce模型进行动态增量聚类的密度算法。其创新点在于,该算法实现了一种能够处理海量动态数据的聚类算法,保证了增量聚类与重新聚类结果的一致性,并具有可扩展性的特点。实验结果证明:该算法降低了参数敏感性,提高了密度算法的聚类效率和资源利用率,适合大数据分析。 展开更多
关键词 参考点 增量聚类 MAPREDUCE 动态密度算法
在线阅读 下载PDF
功能性电刺激改善脑性瘫痪儿童下肢及躯干功能的Meta分析 被引量:7
3
作者 汪乐 徐林 +7 位作者 胡传宇 张厚君 徐杰 赵毅 任敬佩 曾杰 于睿钦 穆晓红 《中国康复理论与实践》 CSCD 北大核心 2021年第4期420-428,共9页
目的评估功能性电刺激(FES)治疗脑瘫的有效性及长期疗效。方法检索PubMed、Embase、Web of Science、Cochrane Library、中国生物医学文献数据库(CBM)、CNKI、万方数据库、维普有关FES治疗脑瘫儿童的随机对照试验,检索时限从建库至2020... 目的评估功能性电刺激(FES)治疗脑瘫的有效性及长期疗效。方法检索PubMed、Embase、Web of Science、Cochrane Library、中国生物医学文献数据库(CBM)、CNKI、万方数据库、维普有关FES治疗脑瘫儿童的随机对照试验,检索时限从建库至2020年3月26日。至少2名评价员独立提取数据,采用Cochrane 5.1.0偏倚风险评估工具对纳入研究的质量进行评估,数据分析采用Review Manager 5.3软件。结果最终纳入11篇文献,共计513例患儿。FES组在粗大运动功能测试88项(GMFM-88) D、E区评分(MD=8.14, 95%CI 6.26~10.02, P <0.001)、GMFM-88 B区评分(MD=8.77, 95%CI 4.00~13.53, P <0.001)、改良Ashworth量表(MAS)评分(MD=-1.05, 95%CI-1.25~-0.84, P <0.001)、Kyphosis角(MD=-10.67, 95%CI-12.21~-9.13, P <0.001)、Cobb角(MD=-2.66, 95%CI-3.38~-1.93, P <0.001)、步长(MD=3.35, 95%CI1.81~4.90, P <0.001)、步速(MD=0.09, 95%CI 0.05~0.14, P <0.001)、随访6周时GMFM评分(MD=4.84,95%CI 1.90~7.77, P=0.001)等方面均明显优于对照组。随访6周时FES组与对照组的MAS评分无显著性差异(MD=0.04, 95%CI-0.30~0.37, P=0.84)。结论 FES能够改善脑瘫儿童下肢、躯干功能,但解除肌肉痉挛的长期疗效不显著。 展开更多
关键词 脑性瘫痪 功能性电刺激 下肢功能 长期疗效 META分析
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部