基于MapReduce的数据流频繁项集挖掘算法

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.     

基于JBPM和角色分组的并行路由算法

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.     

一种基于Agent推理的自动谈判方法研究

以Agent代替人实现自动协商,将大大提高远程谈判的效率．提出基于Agent推理的自动谈判方法和基于最近邻匹配的案例推理工作流程,开发出能够实现自动谈判的一个原型系统,在很大程度上实现了谈判的智能化和自动化,为谈判支持系统的开发提供了新的思路．     

一种基于三维虚拟爬行角色的路径规划技术

针对智能动画生成过程中三维虚拟爬行角色的运动特点,提出了一种基于单元面片的场景建模方式和基于碰撞检测的路径搜索方法,并在该过程中引入八叉树进行相交测试和碰撞检测,不但提高了算法实现的效率,而且使规划出的路径符合爬行角色自身运动的特点.使用控制点插值的路径优化策略对路径进行平滑处理,获得了较满意的动画效果.仿真试验表明该方法能为角色规划出最佳的路径,具有较好的完备性和一定的应用价值.     

基于模糊C-Means的改进型KNN分类算法

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.     

基于粗糙集理论的模糊C-means高维数据聚类算法

模糊C-means算法是一种重要的聚类分析算法,但是在数据维数较高的情况下,该算法计算量急剧上升从而导致其效率较低.针对这一问题,提出了一种基于粗糙集理论的模糊C-means高维数据聚类算法,该算法在传统模糊C-means算法的基础上引入了粗糙集属性约简的理念,通过对数据集属性的约简,提取出对分类影响较大的属性集而摒弃与分类无关的属性,进而在聚类过程中只计算属性约简结果集中的属性,从而减少聚类过程的工作量、提高聚类效率.理论分析和实验结果表明,该算法在处理高维数据时较高效.