检索结果

Select

1. 基于区域划分的出租车统一推荐算法

吕红瑾, 夏士雄, 杨旭, 黄丹

计算机应用 2016, 36 (8): 2109-2113. DOI: 10.11772/j.issn.1001-9081.2016.08.2109

摘要（481）

PDF （797KB）（556）

针对在极端天气或交通繁忙时乘客无法快速搭乘出租车到达目的地的问题，提出一种基于区域划分的出租车统一推荐算法，不仅提供普通打车服务，同时提供拼车服务。首先，将区域作为旅程标识，在旅程匹配方面化不可能为可能；其次，在拼车服务中算法将两对路线相近的乘客进行即时匹配，帮乘客拼车共乘；最后，选取绕远时间比例最小的出租车推荐给用户。使用包含14747辆出租车的全球定位系统（GPS）数据对算法进行评估，与CallCab系统相比虽然在减少的总里程数上下降了10%左右，但每次拼车平均只需要多花费6%的时间，且降低的送达乘客总里程数同样达到30%，不仅大幅度减少汽车尾气的排放，同时在用户更加关注的时间消耗方面表现更佳。

参考文献 | 相关文章 | 多维度评价

Select

2. 基于核函数的谱嵌入聚类算法

王伟东, 刘兵, 管红杰, 周勇, 夏士雄

计算机应用 2015, 35 (3): 761-765. DOI: 10.11772/j.issn.1001-9081.2015.03.761

摘要（883）

PDF （846KB）（540）

谱嵌入聚类(SEC)算法要求样本满足流形假设,样本标签总是可以嵌入到一个线性空间中去,这为线性可分数据的谱嵌入聚类问题提供了新的思路,但该算法使用的线性映射函数不适用于处理高维非线性数据。针对这一问题,通过核化线性映射函数,建立了基于核函数的谱嵌入聚类(KSEC)模型,该模型既能解决线性映射函数不能处理非线性数据的问题,又实现了对高维数据的核降维。在真实数据集上的实验分析结果表明,使用所提算法后聚类正确率平均提高了13.11%,最高可提高31.62%,特别在高维数据上平均提高了16.53%,而且在算法关于参数的敏感度实验中发现算法的稳定性更好。所以改进后的算法对高维非线性数据具有很好的聚类效果,获得了比传统谱嵌入聚类算法更高的聚类准确率和更好的聚类性能。所提方法可以用于诸如遥感影像这类复杂图像的处理领域。

参考文献 | 相关文章 | 多维度评价

Select

3. 基于 K-均值的“教”与“学”优化算法

黄祥东, 夏士雄, 牛强, 赵志军

计算机应用 2015, 35 (11): 3126-3129. DOI: 10.11772/j.issn.1001-9081.2015.11.3126

摘要（506）

PDF （571KB）（537）

在解决复杂多峰优化问题时,传统的"教"与"学"优化算法易于陷入局部搜索且优化效率较低.针对此问题,提出了一种基于 K-均值的"教"与"学"优化改进算法,算法采用 K-均值来降低种群规模,又针对"教"和"学"两个阶段进行相应改进,提高全局收敛速度;还加入了"变异"操作来避免算法陷入局部最优.实验对7个单峰值优化问题和2个有代表性的多峰值优化问题进行优化,并与手榴弹爆破算法和传统"教"与"学"优化算法进行比较,实验结果表明,该改进算法在单峰和多峰测试函数中,均能快速高效地寻得全局最优解,优于原始"教"与"学"优化算法.

参考文献 | 相关文章 | 多维度评价

Select

4. 基于类别重要度的MIMLBoost改进算法

郝宁, 夏士雄, 牛强, 赵志军

计算机应用 2015, 35 (11): 3122-3125. DOI: 10.11772/j.issn.1001-9081.2015.11.3122

摘要（399）

PDF （534KB）（571）

针对多示例多标记学习算法MIMLBoost中退化过程造成的类别不平衡问题,运用人工降采样思想,引入类别重要度,提出一种改进的基于类别标记评估的退化方法.该方法通过对示例空间中的示例包进行聚类,把标记空间中的标记量化到聚类簇上,再以聚类簇为单位,利用TF-IDF算法对每个类别标记进行重要度评估和筛选,去除重要度低的标记,并将簇中的示例包与其余的类别标记拼接起来,以此来减少大类样本的出现,完成多示例多标记样本向多示例单标记样本的转化.在自然数据集上进行了实验,实验结果发现,改进算法的性能整体上优于原算法,尤其在Hamming loss、coverage、ranking loss三个评测指标上尤为明显,说明所提算法能够有效降低分类的出错率,提高算法的精度和分类效率.

参考文献 | 相关文章 | 多维度评价

Select

5. 基于语义描述与优化的网络性能数据聚类方法

姜大庆周勇夏士雄

计算机应用 2012, 32 (06): 1522-1525. DOI: 10.3724/SP.J.1087.2012.01522

摘要（1104）

PDF （676KB）（584）

为了从多源复杂的网络性能数据中挖掘有用模式以提高网络服务质量,研究了基于本体的网络性能监测数据聚类分析方法。阐述了网络性能监测数据的语义描述方法，提出基于语义和属性数据相融合的网络性能数据相似性度量模型,并给出基于改进k-means的NJW谱聚类算法。通过在UCI数据集和校园网性能监测数据集上的实验表明, 本文所提方法较相关比对方法具有更高的聚类准确性和区分度。