一种基于半监督的大规模数据集聚类算法

待挖掘数据集规模的不断增长,以往的聚类算法由于需要多次扫描原始数据集而不再适用,现阶段,一遍扫描原始数据集即完成聚类的算法成为了首要的研究目标.但是,现有针对大规模数据集的算法容易受到初始化参数以及原始数据集分布的影响,聚类结果质量不高,并且也不稳定.对此,吸收半监督聚类的思想,提出了基于标记集的半监督一遍扫描K均值算法,该算法利用驻留主存的标记集指导聚类过程,使得聚类效率以及聚类结果的质量得到了进一步的提高.在人工生成数据集以及1998KDD数据集上验证了该算法的有效性.     

一种面向语义的普适服务自动合成方法

为了解决普适环境下服务自动化组合问题,该文采用了有色Petri网对普适服务进行建模,该模型良好地描述了普适服务的功能性语义,提出了普适服务自动合成算法。用户提交预期的服务行为、输入和输出信息,系统可以自动化地构建服务路径,将可用普适服务按照一定的逻辑顺序组合成为一个合成服务。该算法根据用户不精确的需求,将可用服务自动生成能够覆盖用户需求的服务合成路径,具有更大的灵活性。