-
题名高校档案管理中大数据检索改进算法的研究
被引量：5
- 1
-
-
作者
李欣佳
-
机构
黑龙江中医药大学
-
出处
《电子测量技术》
2020年第10期90-94,共5页
-
文摘
在科技创新理念的指导下,越来越多的新技术和算法应用于高校档案管理。这些出色的硬件技术和算法使高校的档案更加便捷、智能和高效。基于大数据环境,结合当前高校档案管理的实际需求,对智能文件管理系统的建立和文档检索进行了研究。首先,重点讨论了基于复合的Spring-Struts-Hibernate(SSH)框架系统提出的Java EE框架的缺陷,旨在优化SSH的性能并提高其效率;其次,为了解决当前高校中档案爆炸式增长导致的检索效率不足的问题,对蚁群算法进行了创造性地优化,有效地提升了蚁群算法检索高校档案的效率;最后,分析了优化算法的复杂度和检索效率。结果表明,在大数据环境下提出的算法在检索时间和效率两方面都得到了提高。
-
关键词
高校档案管理
SSH框架
蚁群算法
大数据检索
-
Keywords
university archives management
SSH framework
ant colony algorithm
big data retrieval
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
TP391.3
[自动化与计算机技术—计算机应用技术]
-
-
题名基于均衡聚类索引的近似最近邻检索方法
- 2
-
-
作者
吕宏伟
李博
刘普凡
刘识
李继伟
刘俊健
-
机构
国家电网大数据中心
-
出处
《南京师大学报（自然科学版）》
CAS
北大核心
2024年第2期99-108,共10页
-
基金
国家电网有限公司大数据中心自建科技项目(SGSJ0000SJJS2310021).
-
文摘
大数据时代,深度学习通过将复杂对象表示为高维特征向量,并使用向量之间的距离度量来衡量样本的相似性,在推荐系统、用户画像、数据中台管理等场景中得到了广泛的应用.但是,随着数据规模的不断增加,海量特征数据的相似向量检索面临着检索模型占用内容大、特征检索算法召回率较低的严重挑战.如何在保证检索精度的前提下,设计紧凑型索引图结构,降低特征检索的内存消耗,对于提升大数据系统的近邻检索效率具有重要的作用.因此,本文提出了一种均衡感知的快速K均值近邻聚类的特征数据分桶及其图结构紧凑型索引用于海量数据近邻检索.首先,设计了均衡感知的快速K-均值聚类算法,通过在图索引构建过程中海量特征数据的均衡分桶,将高维向量压缩成轻量级紧凑型图索引结构,随后通过量化操作进一步压缩高维向量样本,提升其在候选集上的最近邻检索速度.在基准数据集上实验验证结果表明,本文提出的方法能够在保证较高检测召回率的同时,有效加快索引构建速度,可以用于支持高维特征数据的高效最近邻检索.
-
关键词
大数据检索与分析
最近邻搜索
均衡感知
-
Keywords
big data retrieval and analysis
nearest neighbor search
balanced perception
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
