基于粒子群算法与图形处理器加速的支持向量机参数优化方法

支持向量机(support vector machine,SVM)的参数选择对其性能有着重要的影响,使用穷举法优化参数需要大量的计算时间.为快速寻找最优参数组合,利用粒子群算法(particle swarm optimization,PSO)收敛速度快、简单易行等特点,将SVM参数作为粒子的解决方案.并利用图形处理器(graphics processing unit,GPU)并行化处理能力计算每个参数的分类准确率,从而提升了在一定的搜索空间内寻找最佳参数组合的计算速度.对UCI数据进行实验,对比结果显示,该方法能快速有效地获取优化结果.     

基于MapReduce的Flash P2P VoD系统异常监测

Peer-to-Peer(P2P)是一种充分利用分布在终端电脑上的边缘性网络资源,包括计算资源、带宽资源、内容资源等,以降低对中央服务器资源的消耗需求的技术,适用于大规模的VoD(video on demand)系统中.基于这样的背景技术,当下诞生了一种很流行的视频点播系统:Flash P2PVoD.然而使用如此广泛的系统并没有一个有效的措施对其进行监控,以不断提升其自身运行质量.基于此背景,提出一种基于MapReduce并行框架的算法模型,用于对系统的运行状态进行实时高效的监控及异常检测,提升系统的效用性,进行高效的处理分析,将消耗大量计算资源的复杂计算通过网络分布到多节点上进行计算,是当前一种行之有效的解决方案.实验结果表明,基于MapReduce的状态监控及异常检测方法能有效地从大吞吐量系统所产生的海量日志中监测出异常表现.     

基于潜在狄利克雷分配模型的医疗数据研究

以潜在狄利克雷分配(Lejeune Dirichlet allocation,LDA)模型为基础,研究中医诊疗中的多关系主题模型,提出一个症状-中药-治疗-诊断方法(symptom-herb-therapies-diagnosis topic,SHTDT)模型,用于提取中医临床数据中的症状、中药、治疗方法和诊断的主题结构.参数推理采用Gibbs抽样,根据主题间平均相似度,确定最佳主题数.实验中采用SHTDT模型可以预测给定症状的患者的主题分布、中药、治疗方法及诊断结果,为临床医生和研究人员提供参考.结果表明该模型能够为中医临床诊疗规律的研究提供一个新的统计工具.