检索结果

Select

1. 基于申威众核处理器的混合并行遗传算法

赵瑞祥, 郑凯, 刘垚, 王肃, 刘艳, 沈焕学, 周谦豪

计算机应用 2017, 37 (9): 2518-2523. DOI: 10.11772/j.issn.1001-9081.2017.09.2518

摘要（631）

PDF （891KB）（473）

传统遗传算法求解计算密集型任务时，适应度函数的执行时间增加相当快，致使当种群规模或者进化代数增大时，算法的收敛速度非常缓慢。基于此，设计了"粗粒度-主从式"混合式并行遗传算法（HBPGA），并在目前TOP500上排名第一的超级计算机神威"太湖之光"平台上实现。该算法模型采用两级并行架构，结合了MPI和Athread两种编程模型，与传统在单核或者一级并行构架的多核集群上实现的遗传算法相比，在申威众核处理器上实现了二级并行，并得到了更好的性能和更高的加速比。实验中，当从核数为16×64时，最大加速比达到544，从核加速比超过31。

参考文献 | 相关文章 | 多维度评价

Select

2. 基于 K近邻统计的非线性AdaBoost算法

苟富, 郑凯

计算机应用 2015, 35 (9): 2579-2583. DOI: 10.11772/j.issn.1001-9081.2015.09.2579

摘要（412）

PDF （753KB）（371）

AdaBoost是数据挖掘领域最常见的提升算法之一。对传统AdaBoost将各个基分类器线性相加所存在的不足进行分析,并针对AdaBoost各个弱分类器的加权方式提出新的改进,将传统的线性相加改为非线性组合,把从学习过程得到的固定不变的权重系数改为由预测阶段的具体实例决定的动态参数,该参数基于待测实例 K近邻的分类结果统计,从而使各个基分类器的权重更贴近当前待测实例的实际可靠度。实验结果表明,与传统AdaBoost相比,提出的非线性改进算法对不同数据集均有不同程度提升,提升最高的达到了7个百分点。由此证明,提出的改进是一种更加准确的分类算法,对绝大多数数据集均能得到更高的分类准确率。

参考文献 | 相关文章 | 多维度评价

Select

3. 基于Kademlia的负载平衡云存储算法

郑凯, 朱林, 陈优广

计算机应用 2015, 35 (3): 643-647. DOI: 10.11772/j.issn.1001-9081.2015.03.643

摘要（632）

PDF （938KB）（471）

针对采用主从式结构的主流云存储系统可能出现的性能瓶颈和可扩展问题,基于分布式哈希表(DHT)技术的完全分布式云存储系统成为一种新的选择。解决好节点的负载平衡问题,是此类技术获得推广的关键。研究了Kademlia算法应用于云存储系统的负载平衡性能。考虑到算法在异构环境下负载平衡性能有明显下降,改进算法在Kademlia找出的候选存储节点中根据节点的存储能力来分配负载。仿真结果表明,改进后算法的负载平衡性能有非常明显的提高,在系统模拟运行时间足够长(如1500 h以上)时,过载节点平均下降7.0%(轻载)和33.7%(重载);文件保存成功率平均提高27.2%(轻载)和35.1%(重载),而增加的通信开销可接受。

参考文献 | 相关文章 | 多维度评价

Select

4. 数据集成中基于组合相似度计算的属性映射搜索算法

郑凯梁卓明郑文栋

计算机应用 2011, 31 (03): 683-685. DOI: 10.3724/SP.J.1087.2011.00683

摘要（1088）

PDF （630KB）（891）

针对企业数据物化集成中属性映射技术存在的问题，提出了基于组合相似度计算的属性映射搜索算法(SACS)。通过建立直观的属性相似度计算因子和组合公式，在数据源属性间遍历搜索映射关系，从而规避传统属性映射技术在机器学习过程中数据样本的选择问题，提高属性映射关系的查准率和查全率。