检索结果

Select

1. 基于随机子空间的扩展隔离林算法

谢雨, 蒋瑜, 龙超奇

计算机应用 2021, 41 (6): 1679-1685. DOI: 10.11772/j.issn.1001-9081.2020091436

摘要（415）

PDF （1335KB）（461）

针对扩展隔离林（EIF）算法时间开销过大的问题，提出了一种基于随机子空间的扩展隔离林（RS-EIF）算法。首先，在原数据空间确定多个随机子空间；然后，在不同的随机子空间中通过计算每个节点的截距向量与斜率来构建扩展孤立树，并将多棵扩展孤立树集成为子空间扩展隔离林；最后，通过计算数据点在扩展隔离林中的平均遍历深度来确定数据点是否异常。在离群值检测数据库（ODDS）中的9个真实数据集与呈多元分布的7个人工数据集上的实验结果表明，所提RS-EIF算法对局部异常很敏感，相较EIF算法减少了约60%的时间开销；在样本数量较多的ODDS数据集上，该算法识别精度高出孤立森林（iForest）算法、轻型在线异常检测（LODA）算法和基于连接函数的异常检测（COPOD）算法2~12个百分点。RS-EIF算法在样本数量大的数据集中识别效率更高。

参考文献 | 相关文章 | 多维度评价

Select

2. 基于峰值网格改进的小波聚类算法

龙超奇, 蒋瑜, 谢雨

计算机应用 2021, 41 (4): 1122-1127. DOI: 10.11772/j.issn.1001-9081.2020071042

摘要（345）

PDF （1096KB）（576）

针对小波聚类算法在不同网格划分尺度下表现出的聚类效果差异，提出了一种基于峰值网格的改进方法。算法主要针对小波聚类中连通区域的检测方式进行改进：首先，将小波变换后的空间网格依网格值的大小进行排序；然后利用广度优先搜索的方式遍历每一个空间网格，以检测经小波变换后数据中的峰值连通区域；最后，标记连通区域并将其映射到原数据空间中，以得出聚类结果。在8个人工数据集（4个凸数据集与4个非凸数据集）和UCI数据库中的2个真实数据集上的实验结果表明，改进算法在低网格划分尺度下有着良好的表现，与原小波聚类算法相比，这个算法对网格划分尺度的需求降低了25%~60%，并且在相同的聚类效果下减少了14%的聚类所需时间。

参考文献 | 相关文章 | 多维度评价

Select

3. 基于Docker swarm集群的动态加权调度策略

黄凯, 孟庆永, 谢雨来, 冯丹, 秦磊华

计算机应用 2018, 38 (5): 1399-1403. DOI: 10.11772/j.issn.1001-9081.2017102789

摘要（466）

PDF （830KB）（395）

针对目前的Docker swarm内置的调度策略无法很好地实现Docker集群的负载均衡并且对集群资源的使用率不高的问题，提出了一种动态加权调度算法。所提算法对资源设置权重系数，引入参数bias针对不同服务对资源权重进行动态调整，根据各个节点的实际资源利用情况，对节点资源按照权重进行加权计算，用权值反映节点负载，并将此作为调度依据。在和Docker原始调度策略以及无参数调整的加权调度策略的对比实验中，该算法使得集群中各个节点上的各项资源利用率更加均衡；同时，在集群负载比较高的情况下，该算法实现了更快的服务运行速度。

参考文献 | 相关文章 | 多维度评价