排序方式： 共有3条查询结果，搜索用时 15 毫秒
1
1.
针对传统数据流频繁项集计算中效率低、内存消耗大等问题,本文采用并行计算的思想设计了一种基于MapReduce的数据流频繁项集挖掘算法,首先,对进行数据分块压缩和传输,其次,将数据频繁项的计算分布在负载均衡的数据节点,可以有效保证数据的执行效率.最后通过一次调度处理合并各个节点产生的频繁项集并进行合并.理论分析和实验对比结果均表明,该算法对于并行处理数据流频繁项集的统计问题是有效可行的. 相似文献
2.
JBPM在流程的推进过程中要选择相应的路径进行流转,其中并行路由是一种最为复杂的路径选择方法.但初始化路经参数时,并行路由算法节点定义复杂,需要预先定义子路径流程模板,并且逐一对XML文件节点赋值导致效率较低.针对这一问题,提出了一种基于JBPM与角色分组的并行路由算法.该算法引用角色分组的理论,通过运用角色查询单个分组的方法将并行路由分支参数初始化,生成多个并行子路径节点信息,进而将每个节点信息分组存放数据库中,对数据进行统一处理,提高初始化子路径参数的效率.改进后的算法应用到房地产OA办公系统的请假会签功能中,在实践上取得良好效果,满足业务流程灵活多变的需求. 相似文献
3.
KNN算法是一种思想简单且容易实现的分类算法,但在训练集较大以及特征属性较多时候,其效率低、时间开销大.针对这一问题,论文提出了基于模糊C-means的改进型KNN分类算法,该算法在传统的KNN分类算法基础上引入了模糊C-means理论,通过对样本数据进行聚类处理,用形成的子簇代替该子簇所有的样本集,以减少训练集的数量,从而减少KNN分类过程的工作量、提高分类效率,使KNN算法更好地应用于数据挖掘.通过理论分析和实验结果表明,论文所提算法在面对较大数据时能有效提高算法的效率和精确性,满足处理数据的需求. 相似文献
1