基于Oralce数据库SQL查询优化研究

研究了Oracle数据库的SQL查询优化问题,对于海量的数据,劣质SQL语句和优质SQL语句之间的速度差别可以达到上百倍。传统Oracle数据库优化算法需要数据库技术人员有比较全面的数据库专业知识,并在基于数据库的应用程序开发领域的适用性不高,导致了用户的识别度低及应用程序的查询性能恶化。为解决上述问题,提出了Oracle数据库I/O优化、数据库各种动态参数的调整优化以及SQL查询优化等新方法,其SQL语句的查询优化效率最终决定了Oracle数据库的性能,能充分发挥Oracle的优势。经实验证明:SQL查询优化使Oracle数据库系统的响应时间明显降低,运行效率得到较大提升,提高了系统的可用性。     

案例系统特征权值优化算法的仿真研究

研究案例系统特征权值优化问题,传统特征权值确定方法过分依赖主观判断和经验,而单一遗传算法或禁忌算法存在各自的不足,因此案例分类精度低。为了提高案例分类精度,提出一种遗传算法和禁忌算法相融合的案例系统特征权值优化方法。利用遗传算法全局搜索能力、并行性和禁忌算法局部搜索和记忆能力,有效地解决了案例系统特征权值优化问题。仿真结果表明,混合方法利用了遗传算法和禁忌算法的优点,很好地优化了案例系统特征权值,从而加快案例系统检索速度,提高了案例分类精度。     

支持向量机在电信客户流失预测中的应用研究

客户流失分析与预测是客户关系管理的重要内容.由于电信客户的特征呈高度非线性、严重冗余和高维数,传统方法无法消除数据之间冗余和捕获非线性规律,导致预测精度较低.为了提高电信客户流失预测精度,提出一种基于主成份分析(PCA)支持向量机(SVM)的电信客户流失预测方法(PCA-SVM).首先利用主成分分析对原始数据进行特征降维,消除冗余,然后将得到的主成分作为非线性支持向量机的输入进行学习建模.对某电信公司客户流失数据进行了仿真,实验结果表明,PCA-SVM获得的命中率、覆盖率、准确率和提升系数远远高于其它预测方法.说明主成分分析结合支持向量机的数据挖掘方法具有很好的预测效果,为电信客户流失预测提供了一种新方法.     

基于聚类的复杂网络社团发现算法

对基于聚类技术的复杂网络社团发现算法进行研究,分析网络中结点间的相似性度量方法,提出把复杂网络中的结点转化为向量的顶点到向量映射(MVV)算法,把网络中的结点转化成适合聚类算法的数据结构形式.对不同聚类算法及相似性度量方法的性能进行比较分析,结果表明,MVV算法可以提高发现复杂网络中社团的能力.     

网格计算中任务调度算法的研究和改进

任务调度一直是网格计算中的热点问题,任务调度的目的是最优地分配任务,实现最佳的调度策略,以高效地完成计算任务。在网格环境中,资源的合理有效利用是实现任务调度的关键问题之一。本文首先论述静态任务调度算法和动态任务算法的原理和优缺点等,然后结合Min-min、Max-min算法的优点设计一种新的调度算法SA-MM,根据资源的使用情况自适应调度相应算法进行任务到资源的映射。最后,用GridSim模拟工具对网格计算中Min-min、Max-min和SA-MM任务调度算法进行仿真实验,分析和比较它们的调度长度(MakeSpan)和资源负载情况等影响任务调度效率的指标。     

非结构化P2POverlay拓扑结构分析

一个合理的P2Poverlay可以为P2P应用提供更好的支持。非结构化P2Poverlay的构建比较简单随意,适合于信息发布、即时通讯等节点随时加入退出的情况。构建具有可扩展性和稳健性的网络拓扑,是非结构化P2Poverlay的研究热点之一。文章首先介绍了几种典型的非结构化P2Poverlay,然后与以往研究不同,通过GT-ITM建模分析了每种P2Poverlay拓扑结构的性能,主要分析了不同拓扑结构节点的度、最短路径分布、节点发现概率及结构的健壮性等,该工作对构造合理的P2Poverlay拓扑结构和P2P系统的研究具有重要意义。