排序方式: 共有4条查询结果,搜索用时 15 毫秒
1
1.
2.
通过分析移动群智感知的协作过程,即感知节点的携带-存储-转发过程,发现该过程忽略了对节点携带信息的内容筛选.而对于有目的的数据获取而言,这种先收集后筛选的方法导致在后续对数据的分析与筛选过程中会耗费更多的时间,同时获取的有效数据占比不高.考虑到这个因素,本文结合遗传算法设计了一种在移动群智感知环境下基于情感文本数据筛选的节点选择机制.该节点选择机制主要通过对节点携带数据类型的筛选来选择感知节点,从而获取感知环境下移动用户的情感文本数据.通过实验验证表明,使用此方法在数据处理的效率上最大提高了27.6%,在有效的数据占比上最大提高了21%,因此该方法能够有效的提高对整体数据处理的效率. 相似文献
3.
针对快速搜索和发现密度峰值聚类(CFSFDP)算法需人工在决策图上选择聚类中心的问题,提出一种基于密度峰值和密度聚类的集成算法。首先,借鉴CFSFDP思想,将局部密度最大的数据作为第一个中心;接着,从该中心点出发采用一种利用Warshall算法求解密度相连改进的基于密度的噪声应用空间聚类(DBSCAN)算法进行聚类,得到第一个簇;最后,在尚未被划分的数据中找出最大局部密度的数据,将它作为下一个簇的中心后再次采用上述算法进行聚类,直到所有数据被聚类或有部分数据被视为噪声。所提算法既解决了CFSFDP选择中心需人工干预的问题,又优化了DBSCAN算法,即每次迭代都是从当前最好的点(局部密度最大的点)出发寻找簇。通过可视化数据集和非可视化数据集与经典算法(CFSFDP、DBSCAN、模糊C均值(FCM)算法和K均值(K-means)算法)的对比实验结果表明,所提算法聚类效果更好,准确率更高,优于对比算法。 相似文献
4.
1