期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
3
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于稀疏表示和特征加权的大数据挖掘方法的研究
被引量：
16
1
作者
蔡柳萍
解辉
+1 位作者
张福泉
张龙飞
《计算机科学》
CSCD
北大核心
2018年第11期256-260,共5页
为了提高大数据挖掘的效率及准确度,文中将稀疏表示和特征加权运用于大数据处理过程中。首先,采用求解线性方程稀疏解的方式对大数据进行特征分类,在稀疏解的求解过程中利用向量的范数将此过程转化为最优化目标函数的求解。在完成特征...
为了提高大数据挖掘的效率及准确度,文中将稀疏表示和特征加权运用于大数据处理过程中。首先,采用求解线性方程稀疏解的方式对大数据进行特征分类,在稀疏解的求解过程中利用向量的范数将此过程转化为最优化目标函数的求解。在完成特征分类后进行特征提取以降低数据维度,最后充分结合数据在类中的分布情况进行有效加权来实现大数据挖掘。实验结果表明,相比于常见的特征提取和特征加权算法,提出的算法在查全率和查准率方面均呈现出明显优势。
展开更多
关键词
大数据
数据挖掘
特征加权
特征提取
稀疏表示
在线阅读
下载PDF
职称材料
基于强化学习的大数据频繁项集挖掘算法
被引量：
8
2
作者
郑英姿
张福泉
李立杰
《计算机工程与设计》
北大核心
2019年第8期2270-2277,共8页
针对当前大数据集频繁项集挖掘算法处理速度慢的问题,提出一种快速的大数据频繁项集挖掘算法。对多目标强化学习技术进行改进,使其适合频繁项集挖掘的应用场景;将频繁1-项集作为强化学习的初始化空间,解决随机初始化方案性能不稳定的问...
针对当前大数据集频繁项集挖掘算法处理速度慢的问题,提出一种快速的大数据频繁项集挖掘算法。对多目标强化学习技术进行改进,使其适合频繁项集挖掘的应用场景;将频繁1-项集作为强化学习的初始化空间,解决随机初始化方案性能不稳定的问题;利用频繁项集的递归属性引导项集空间的搜索过程,合理地缩小搜索空间。基于不同规模的会话数据集进行仿真实验,结果表明,该算法对于不同规模的数据集均实现了较高的计算效率,获得了较高的挖掘准确率。
展开更多
关键词
关联规则
频繁项集挖掘
大数据技术
递归特性
强化学习
深度学习技术
在线阅读
下载PDF
职称材料
基于遗传算法的大数据资源分配算法
被引量：
5
3
作者
蔡柳萍
俞龙
《重庆理工大学学报（自然科学）》
CAS
北大核心
2019年第4期134-140,共7页
针对云计算数据中心资源分配算法的资源利用率较低的问题,提出了一种基于改进遗传算法的云计算数据中心资源分配算法。首先,遍历每个服务器与虚拟机的需求,使用启发式贪婪算法,按照遗传算法搜索的最优虚拟机顺序将虚拟机分配至物理服务...
针对云计算数据中心资源分配算法的资源利用率较低的问题,提出了一种基于改进遗传算法的云计算数据中心资源分配算法。首先,遍历每个服务器与虚拟机的需求,使用启发式贪婪算法,按照遗传算法搜索的最优虚拟机顺序将虚拟机分配至物理服务器;然后,将染色体对应的虚拟机顺序转化为装箱问题的装箱解,根据适应度值搜索资源池的最优顺序;最终,最小化云计算物理服务器的数量,减少了物理服务器的资源浪费量。基于不同虚拟机规模进行了仿真实验,结果显示:本算法对于多维装箱问题具有较好的性能,在云计算资源分配方面也获得了较好的资源利用率。
展开更多
关键词
数据中心
资源分配
虚拟机部署
遗传算法
多维装箱问题
贪婪算法
在线阅读
下载PDF
职称材料
题名
基于稀疏表示和特征加权的大数据挖掘方法的研究
被引量：
16
1
作者
蔡柳萍
解辉
张福泉
张龙飞
机构
广东技术师范学院天河学院计算机科学与工程学院
清华大学
计算机
科学与
技术
系
北京理工大学软件
学院
出处
《计算机科学》
CSCD
北大核心
2018年第11期256-260,共5页
基金
文化部国家科技支撑计划项目(2012BAH38F00)
广东省本科高校应用型人才培养课程建设项目:能力培养导向的计算机类应用型课程建设(2017SZ03)
+1 种基金
广东省科技计划项目:基于医药电商大数据的服务系统研发(2016A010101029)
广东技术师范学院天河学院计算机科学与技术重点学科建设项目(Xjt201702)资助
文摘
为了提高大数据挖掘的效率及准确度,文中将稀疏表示和特征加权运用于大数据处理过程中。首先,采用求解线性方程稀疏解的方式对大数据进行特征分类,在稀疏解的求解过程中利用向量的范数将此过程转化为最优化目标函数的求解。在完成特征分类后进行特征提取以降低数据维度,最后充分结合数据在类中的分布情况进行有效加权来实现大数据挖掘。实验结果表明,相比于常见的特征提取和特征加权算法,提出的算法在查全率和查准率方面均呈现出明显优势。
关键词
大数据
数据挖掘
特征加权
特征提取
稀疏表示
Keywords
Big data
Data mining
Feature weighting
Feature extraction
Sparse representation
分类号
TP301 [自动化与计算机技术—计算机系统结构]
在线阅读
下载PDF
职称材料
题名
基于强化学习的大数据频繁项集挖掘算法
被引量：
8
2
作者
郑英姿
张福泉
李立杰
机构
广东技术师范学院天河学院计算机科学与工程学院
北京理工大学
计算机
学院
出处
《计算机工程与设计》
北大核心
2019年第8期2270-2277,共8页
基金
广东省高校教学质量与教学改革工程基金项目(2017SZ02、2017SZ03)
广东省青年创新类人才基金项目(自然科学类)(2017KQNCX271)
文摘
针对当前大数据集频繁项集挖掘算法处理速度慢的问题,提出一种快速的大数据频繁项集挖掘算法。对多目标强化学习技术进行改进,使其适合频繁项集挖掘的应用场景;将频繁1-项集作为强化学习的初始化空间,解决随机初始化方案性能不稳定的问题;利用频繁项集的递归属性引导项集空间的搜索过程,合理地缩小搜索空间。基于不同规模的会话数据集进行仿真实验,结果表明,该算法对于不同规模的数据集均实现了较高的计算效率,获得了较高的挖掘准确率。
关键词
关联规则
频繁项集挖掘
大数据技术
递归特性
强化学习
深度学习技术
Keywords
association rules
frequent itemset mining
big data technique
recursive nature
reinforcement learning
deep lear- ning technique
分类号
TP391 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
基于遗传算法的大数据资源分配算法
被引量：
5
3
作者
蔡柳萍
俞龙
机构
广东技术师范学院天河学院计算机科学与工程学院
华南农业大学电子
工程
学院
出处
《重庆理工大学学报（自然科学）》
CAS
北大核心
2019年第4期134-140,共7页
基金
广东省工业机器人集成与应用工程技术研究中心专题科研项目"人机交互技术开发与应用"(201812GCZX003)
广东技术师范学院天河学院计算机科学与技术重点学科建设项目(Xjt201702)
广东高校特色创新类项目"物联网智能设备云数据中心的应用与研究"(2015KTSCX184)
文摘
针对云计算数据中心资源分配算法的资源利用率较低的问题,提出了一种基于改进遗传算法的云计算数据中心资源分配算法。首先,遍历每个服务器与虚拟机的需求,使用启发式贪婪算法,按照遗传算法搜索的最优虚拟机顺序将虚拟机分配至物理服务器;然后,将染色体对应的虚拟机顺序转化为装箱问题的装箱解,根据适应度值搜索资源池的最优顺序;最终,最小化云计算物理服务器的数量,减少了物理服务器的资源浪费量。基于不同虚拟机规模进行了仿真实验,结果显示:本算法对于多维装箱问题具有较好的性能,在云计算资源分配方面也获得了较好的资源利用率。
关键词
数据中心
资源分配
虚拟机部署
遗传算法
多维装箱问题
贪婪算法
Keywords
cloud computing
resource allocation
virtual machine deployment
genetic algorithm
multi dimensional packing problem
greedy algorithm
分类号
TP391 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于稀疏表示和特征加权的大数据挖掘方法的研究
蔡柳萍
解辉
张福泉
张龙飞
《计算机科学》
CSCD
北大核心
2018
16
在线阅读
下载PDF
职称材料
2
基于强化学习的大数据频繁项集挖掘算法
郑英姿
张福泉
李立杰
《计算机工程与设计》
北大核心
2019
8
在线阅读
下载PDF
职称材料
3
基于遗传算法的大数据资源分配算法
蔡柳萍
俞龙
《重庆理工大学学报（自然科学）》
CAS
北大核心
2019
5
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
