《内蒙古大学学报》(自然科学版)第45卷分类索引

<正>~~     

基于MapReduce的ROCK聚类算法

随着大数据时代的到来,聚类分析算法将面临如数据量巨大、数据维数增加等挑战,分布式处理是解决这类问题的方法之一。本研究将ROCK算法与Hadoop平台相结合,按照分布式处理原则,通过计算机集群模式去处理大规模的多样性数据。实验证明,在Hadoop平台下的ROCK聚类算法很大程度上提升了对高维数据进行聚类的能力。     

证券联邦主义在中国是否可行?

正改革中国的证券发行审核制度是当前经济体制改革的一项重要任务。证券市场发行制度经历20多年来的变迁,在集中权力、设立发审委等方面取得了一定积极的成效,但目前仍然面临着诸多结构性矛盾,例如发达地区上市公司数量远超欠发达地区,大量中小企业融资难问题无法纾解,上市公司质量良莠不齐,中小投资者利益无法保障等等。总之,上市资源分配不平衡的局面日益凸显。上市资源分配不均     

基于局部紧耦合结构的模块性优化社区检测方法

利用局部紧耦合结构提升社区检测的模块性优化质量.首先,定义了4类边缘紧耦合结构,并提出了一种具有线性复杂度的边缘紧耦合结构挖掘算法.其次,分别选择k-clique,k-clan,k-plex结构作为核心紧耦合结构,并以长结构优先和短结构优先2种策略将边缘与核心紧耦合结构合并.然后,将合并后的局部紧耦合结构融入模块性优化过程,提出了一种NFN算法.该算法将每个局部紧耦合结构初始化为独立社区,不断凝聚模块性增量最大的2个社区,直至找到预定义数量的社区.6个真实数据集上针对外部指标和内部指标的实验结果均表明,相比于传统的FN算法,NFN算法能发现更高质量的社区.在参数设置方面,长结构优先策略优于短结构优先策略,且采用k-clique结构作为核心紧耦合结构优于采用其他结构.因此,长结构优先策略结合k-clique成为NFN算法的最佳参数组合.     

科学探索全宇宙的最优方法:一个超大系统仿真的宇宙物质反设计工程

针对人类实现最终科学研究目标,该文提出了科学探索全宇宙系统的最优方法:基于超大规模系统-云-并行数字仿真的宇宙物质反设计工程。首先,该文建立了全宇宙物质系统反设计方法,包括:数学模型是全宇宙物质的统一基理与统一数值仿真算法,以及相应大系统反设计数字仿真的方法及系统仿真计算步骤与流程图。即未来科学研究可通过超大系统数字仿真,寻找到宇宙物质的最根基要素,最后进行物理实验对该系统仿真结果作检测验证。这是人类代价最小并速度最快地实现最终科学研究目标的研究技术方法。然后,分析了该超大系统反设计的数字仿真方案的优点与可能存在的问题,认为超大系统数字仿真是目前科学探索全宇宙系统的第一优方法,因为该物质反设计可以回避开历时上亿年来人类及其祖先传统科学研究中存在的根本缺陷。因此,基于超大规模系统-云-并行数字仿真的全宇宙物质系统反设计的方法,在探索速度、探索效率、探索所需付出的代价等因素上,明显优越于人类传统自然科学探索方法,可以实现科学探索是有止境的,科技创新有止境的,是科学探索全宇宙的最优方法。     

广义太阳图S_(m,n)奇优雅标号算法及实现

给出了广义太阳图S_(m,n)的定义,设计了该类图的奇优雅标号算法,证明了算法的正确性和广义太阳图S_(m,n)的奇优雅性。利用Matlab语言编制了"广义太阳图S_(m,n)奇优雅标号算法"程序并通过实验数据说明算法的有效性。     

基于云模型的细菌觅食优化算法

针对细菌觅食优化算法收敛速度慢、容易陷入局部极值点出现早熟的问题,提出一种新的基于云模型优化的细菌觅食优化算法.首先给出了细菌灵敏度的概念,结合云模型随机性和稳定倾向性的特点,运用了X条件云发生器来调整细菌灵敏度,控制游动步长,进行了趋向性操作和复制操作,改进了标准的细菌觅食优化算法,提高了算法的收敛速度.然后利用正向正态云发生器,修正非线性自适应的迁移概率,进行了迁移操作,增强了算法的全局寻优能力.将该算法应用于自动组卷系统中,与遗传算法进行实验比较分析,结果表明:该算法的收敛速度与优化质量均优于遗传算法.     

Nutch中网页更新预测研究与优化

Nutch的网页更新预测方法采用的是邻比法,相关更新参数需要人为设定,不能自适应调整,无法应对海量网页更新的差异性.为解决这个问题,提出动态选择策略对Nutch的网页更新预测方法进行改进.该策略在网页更新历史数据不足时,通过基于MapReduce的DBSCAN聚类算法来减少爬虫系统抓取网页数量,将样本网页的更新周期作为所属类其他网页的更新周期;在网页更新历史数据较多时,通过对网页更新历史数据进行泊松过程建模,较准确地预测每个网页的更新周期.最后在Hadoop分布式平台下对改进该策略测试.实验结果表明,优化后的网页更新预测方法表现更优.     

基于遗传-蚁群融合算法的干扰资源分配方法

针对多部干扰机协同干扰多部雷达的干扰资源分配问题，提出一种基于遗传-蚁群融合算法的干扰资源分配算法。首先采用综合集成赋权法结合逼近理想解排序法(technique for order preference by similarity to an ideal solution, TOPSIS)对目标雷达进行威胁评估，然后建立干扰资源多约束优化分配模型，最后采用遗传-蚁群融合算法对模型进行求解。融合算法利用遗传算法快速寻找出若干组优化解，将这些优化解用于调整蚁群算法中初始信息素的分布，利用蚁群算法对问题进一步优化，从而找到最优解，提升了算法的求解精度和求解时间。仿真结果表明，融合算法的性能在收敛速度和寻优准确性等方面相较于其他算法都有了较大提升。     

华中科技大学学报(自然科学版) 2017年 第45卷 总目次

将最大团求解算法融入到极大团枚举算法中,提出了两种带极大团下限的极大团枚举算法及多种预处理筛选策略,通过迭代将不可能包含在极大团中的部分点与边删除,使得搜索空间大幅减小.在搜索策略上,将求解最大团问题的贪心染色算法、增量MaxSAT推理算法与极大团枚举算法相融合,并结合最佳筛选策略,提出了染色-关键点融合算法BKFC(Bron-Kerbosch with filtering and coloring)和基于增量MaxSAT推理的枚举算法BKFS(Bron-Kerbosch with filtering and MaxSAT).结果表明:在多个大型算例上,BKFC算法平均时间仅为加入预处理的改进经典算法的68.8%;由于经典算法无法在大型算例上运行,在小数据测试中,BKFC算法平均时间仅为没有预处理策略的经典算法的2.2%.