一种改进的自适应网格划分的分布式聚类算法

在众多聚类算法中,基于网格划分思想的聚类算法是较为常用的算法类型之一,但现有的算法对于处理海量高维数据而言,会存在以下两个问题：一是聚类结果的准确率较低;二是算法耗时较长.为了解决现有算法的不适应性,该文在网格聚类算法的基础上结合降维技术、自适应网格划分、相对熵和分布式计算,提出了一种改进的自适应网格划分的分布式聚类算法(AMCBS),可以较好解决以上问题.经实验证明,该算法对于D31标准数据集、UCI数据集、人脸图片数据集和GitHub文本数据集等的效果均优于常见的聚类算法,具有较好的准确率和较高的运行效率.     

企业内部基于角色协作的个性化搜索系统

随着信息系统的升级和Web 2.0系统的广泛应用,现代化企业的内部信息正在呈爆炸性的增长,为提高海量信息检索的精确度,该文设计一个个性化搜索系统,该系统采用分类和聚类等传统信息过滤技术,提出基于角色的协作模型。实验结果表明,新的协作模型能更有效地挖掘企业用户的个性化需求,使搜索结果更为精确。