排序方式： 共有3条查询结果，搜索用时 203 毫秒
1
1.
传统的挖掘模型未能有效提取时序数据的特征,导致计算开销较大,挖掘准确率以及效率偏低.为此,研究结合卷积神经网络设计并组建一种新的时序数据关联规则挖掘模型.通过连续模板匹配技术分析时序数据的分布式数据结构,然后结合匹配相关检测技术对时序数据展开融合处理,通过频繁项检测提取其中的关联规则特征.对提取的关联规则通过CNN分类器进行属性划分,结合特征压缩方法对分类输出的时序数据进行降维处理,再利用模糊聚类算法构建时序数据关联规则挖掘模型.仿真结果表明:模型能够有效降低挖掘过程的计算开销,并提升了挖掘结果的准确率以及挖掘效率. 相似文献
2.
基于P2P技术的校园网络应用研究 总被引：1，自引：1，他引：0
P2P对等网与传统的B/S网络模式相比,具有传输速度快、无中心化等优点,因而被广泛的用于校园网的分布式计算、流媒体服务、资源共享等方面;同时P2P技术的应用也带来了网络带宽瓶颈、安全管理等问题.为此,结合P2P技术的原理和特点提出了流量识别和控制、端口及网址过滤等解决方案,并对其在校园网中的应用情况进行了探讨和研究. 相似文献
3.
1