一种高效的基于教与学的社区发现算法

社区结构是复杂网络的重要特征,社区发现就是为了挖掘复杂网络中的社区结构.为了提高基于教与学的多目标社区发现算法(MODTLBO/D)的准确率,降低时间复杂度,提出了一种在多种群进化策略下的MODTLBO/D(EMODTLBO/D).在E-MODTLBO/D中,采用自适应学习因子加强在教学阶段的探索与搜索能力;在学习阶段,每个个体在各自的子种群内采用随机学习策略或者是改进的量子行为学习策略.在每次迭代更新后,子种群间进行信息交流,维持算法的多样性与避免早熟收敛.实验表明,E-MODTLBO/D在时间复杂度与发现高质量的社区结构方面要优于MODTLBO/D等一些经典社区发现算法.     

点击流数据仓库的构建与多维分析

介绍点击流数据仓库的多维建模技术,在此基础上以"平和网"的日志数据为例,利用SQL Server2008构建点击流数据仓库,并对其进行多维分析研究。     

一种基于语义距离的高效文本聚类算法

摘　要：提出了一种基于语义进行文本聚类的新方法。该方法从语义上具体分析文档,利用文档具体语义计算文档间的相似度,使得文档聚类结果更合理。文本聚类主要采用最近邻聚类算法,并提出第二次聚类算法改进最近邻算法对输入次序敏感的问题。类特征词的选择上根据相似度权重优胜略汰类特征词,使得最后类特征词越来越逼近类的主题。实验结果表明本文所提出的算法在聚类精度和召回率上均优于基于VSM的K-Means聚类算法。     

数据挖掘技术在试题质量评价中的应用

介绍了关联规则基本概念及Apriori算法,分析了关联规则挖掘在试题评价中存在的不足,提出了一种基于信息量的关联规则挖掘改进算法ARMABI.实验结果表明,该算法性能明显优于传统的关联规则挖掘算法,具有较高的推广价值.并且,对下一步工作进行了展望.     

并行分布环境下的黑板模型

黑板模型支持并行性,它是分布式和并行编程可用的强有力的模型之一.在一个需要并行性和分布式编程的系统中,黑板模型有助于组织和概念化并发性及通信.本文着重分析了黑板模型的结构、构造方法、控制策略.基于CORBA(Common Object Request Broker Architecture)对象和全局对象研究了黑板和知识库的实现.最后,通过一个具体实例的实现方法和过程,说明了黑板模型解决分布式和并行编程问题的可行性.     

决策树算法的研究与改进

决策树是数据挖掘中重要的分类方法，本文在研究和比较几种经典的决策树算法基础上，提出了一种改进的决策树算法：基于度量的决策树（MBDT）．这种决策树实际上是把线性分类器和决策树结合在一起．实验证明，用该方法构造的决策树能有效地减少决策树的层数，从而提高决策树的分类效率．通过MBDT分类实验，验证了上面结论的正确性和有效性．     

一种提高文本聚类算法质量的方法

针对基于VSM(vector space model)的文本聚类算法存在的主要问题,即忽略了词之间的语义信息、忽略了各维度之间的联系而导致文本的相似度计算不够精确,提出基于语义距离计算文档间相似度及两阶段聚类方案来提高文本聚类算法的质量.首先,从语义上分析文档,采用最近邻算法进行第一次聚类;其次,根据相似度权重,对类特征词进行优胜劣汰;然后进行类合并;最后,进行第二次聚类,解决最近邻算法对输入次序敏感的问题.实验结果表明,提出的方法在聚类精度和召回率上均有显著的提高,较好解决了基于VSM的文本聚类算法存在的问题.     

利用维护代价约束的物化视图选择方法

为了在一定维护代价约束条件下,使查询过程中花费的总查询成本最优化,提出了最小/最大候选集变换算法.该算法构造最大候选视图集和最小候选视图集,基于最小有效的极大基数配比技术,并通过单位维护代价内的查询收益而设计的代价计算模型来获得最佳物化视图集.理论分析和实验结果表明该算法是高效、动态、近似最优的.与以往算法相比,在数据维度大、维层次复杂的情况下,该算法有着更优的执行效率.     

高效的用户访问预测新算法

针对基于Web日志挖掘的用户访问预测经典算法的不足,提出了基于Markov链和关联规则的预测算法(MAPA).使用二阶Markov链找到用户下一步或将来可能访问的页面集,生成预测候选集;使用二项关联规则从正向和反向2个角度修正Markov的预测结果,从而生成最后的预测页面.通过引入用户反馈机制,提出了带反馈的Markov预测算法(MPAF),即在预测过程中逐步构造历史预测树,把历史预测信息保存到历史预测树中,并根据用户的反馈来判断预测的正确性.在预测过程中,用二阶Markov预测算法生成预测候选集,再利用历史预测信息动态地调整预测算法,从而生成预测页面.理论分析证明,这2种预测算法具有线性时间复杂度的预测效率.实验结果表明,MAPA和MPAF在预测准确率上平均提高5%和10%.     

基于网格技术的软件编译优化方法的研究

根据网格环境中的下一代软件模型,提出设计一个闭环反馈的编译系统,并采用外挂式的方法实现编译优化模块;将传统优化方法算法、代码压缩技术、负载平衡技术,与编译系统收集的资源信息结合在一起,研究动态优化方法,并建立优化算法评估模型,研究分布软件的适应性问题.