检索结果

Select

1. 基于数据集特点的增强聚类集成算法

侯勇郑雪峰

计算机应用 2013, 33 (08): 2204-2207.

摘要（920）

PDF （812KB）（613）

当前流行的聚类集成算法无法依据不同数据集的不同特点给出恰当的处理方案，为此提出一种新的基于数据集特点的增强聚类集成算法,该算法由基聚类器的生成、基聚类器的选择与共识函数构成。该算法依据数据集的特点，通过启发式方法，选出合适的基聚类器，构建最终的基聚类器集合，并产生最终聚类结果。实验中，对ecoli，leukaemia与Vehicle三个基准数据集进行了聚类，所提出算法的聚类误差分别是0.014，0.489，0.479，同基于Bagging的结构化集成(BSEA)、异构聚类集成(HCE)和基于聚类的集成分类(COEC)算法相比，所提出算法的聚类误差始终最低；而在增加候基聚类器的情况下，所提出算法的标准化互信息(NMI)值始终高于对比算法。实验结果表明，同对比的聚类集成算法相比，所提出算法的聚类精度最高，可伸缩性最强。

参考文献 | 相关文章 | 多维度评价

Select

2. 基于最大间隔超平面的增强特征提取算法

侯勇郑雪峰

计算机应用 2013, 33 (04): 998-1000. DOI: 10.3724/SP.J.1087.2013.00998

摘要（932）

PDF （483KB）（507）

核主成分分析（KPCA）与多层感知器（MLP）是流行的特征提取算法，但这些算法存在效率低下与易陷于局部最优解等问题。针对KPCA与MLP算法存在的问题，提出了一个新颖的特征提取算法——基于最大间隔超平面的增强的特征提取算法（EFE）。该算法独立于输入样本的概率分布，通过采用隔间最大化且两两正交的最大分割超平面，将输入样本映射到超平面的法线所张成的子空间中，实现输入样本的特征提取。在对现实世界数据集wine与AR的特征提取的实验表明，基于最大间隔超平面的增强特征提取算法在执行效率、识别准确率方面均超出了KPCA与MLP的执行效率与识别准确率。

参考文献 | 相关文章 | 多维度评价

Select

3. 网格环境下基于模糊筛选的自由资源选择方法

田园于炯侯勇王命全

计算机应用 2010, 30 (9): 2481-2484.

摘要（1398）

PDF （502KB）（1005）

针对网格中同类型不同版本资源所提供服务质量(QoS)的多样性，对用户从这一类型资源中选择具体资源造成困难的问题，提出了基于模糊筛选的资源选择策略。根据用户评价历史信息对资源进行模糊划分，建立资源版本评价矩阵，进行模糊筛选。实验结果表明，该策略较好地解决了用户需求和资源匹配问题，提高了用户的满意度。

相关文章 | 多维度评价

Select

4. 在线课程下的自适应查询调度算法

侯勇吾守尔·斯拉木于炯周艳慧

计算机应用 2010, 30 (4): 1008-1010.

摘要（1138）

PDF （716KB）（1157）

在线课程系统中，针对如何将查询请求充分映射到有限资源上这一热点问题，设计基于系统负载平衡的自适应查询处理器。该处理器综合考虑服务器、带宽等性能指标，建立由服务资源单元和远程查询消耗单元组成的基于资源负载平衡的查询期望代价矩阵，并结合利用Min-Min和Max-Min算法的优点，提出新的自适应查询调度算法(A-MM)。实验表明A-MM有较好的执行效率和平衡负载能力。