排序方式: 共有6条查询结果,搜索用时 0 毫秒
1
1.
2.
面向大数据集管理的数据聚类方法研究在模式识别、故障诊断和数据挖掘等领域具有重要的研究意义。传统的大数据聚类算法采用混合差分进化的粒子群算法,因数据信息流分量之间的交叉作用而出现的类间交叉项干扰影响了聚类分量的正确判断,聚类效果不好。提出了一种基于时频聚集交叉项干扰抑制的大数据聚类算法。在面向传播学视域下物联网大数据库中生成大数据聚类的信息特征向量,对任意两个分簇矢量进行近邻样本的隶属度训练,在时间滑动窗口模型中进行信息调度,采用高频分量抑制方法实现对时频聚集交叉项的干扰抑制,通过频域卷积相似度融合处理,采用粒子群优化算法进行聚类适应度计算,以实现数据聚类算法改进。仿真结果表明,采用该算法进行大数据聚类,具有较好的抗干扰性和自适应性,聚类准确度较高。 相似文献
3.
4.
信息管理系统网络化是企业信息化的必然趋势.文中针对传统的桌面CAPP系统和新起的Web架构CAPP系统的优劣,利用新起的.net技术、内存数据库技术对传统系统的架构进行Web适应性改造,构建了保持原有交互能力且增加远程数据访问的能力的混合架构CAPP系统.新系统既能避免C/S架构不能跨越异质异构网络访问等缺陷,又能避免Web架构系统界面交互性差等弱点.利用内存数据库技术极大地减少了系统与远程数据库的交互次数,提高了系统的响应速度;利用通用客户端代理技术很好地降低了混合架构系统的耦合性,增加了系统的可维护性. 相似文献
5.
6.
1