排序方式: 共有9条查询结果,搜索用时 0 毫秒
1
1.
2.
随着信息技术的发展,各高校建立了多个信息系统。但多数系统彼此独立,信息交互和资源共享困难。基于我校数字化校园建设现状,提出一种基于Web Service的数字化校园信息共享平台。平台基于面向服务的体系结构(SOA),以Web服务作为实现手段,在权限管理的基础上,能实现校园异构平台的信息共享,提高学校教学、科研、管理的效率。 相似文献
3.
4.
数据流的网格密度聚类算法 总被引:3,自引:0,他引:3
提出一种基于密度的实时数据流聚类算法RTCS.算法采用在线/离线双层框架,它在前台在线层快速实时地将到达的数据点放入相应的单元格,对多维数据和空间单元格动态计算密度.在后台离线层形成初始聚类,并不断地更新单元格的密度来自适应地调整聚类.RTCS算法能够根据密度的动态变化区分出真正的孤立点并剔除之,而这种剔除对后面的聚类结果没有影响.实验结果证明,算法可以很好地挖掘出各种形状的聚类,与CluStream算法相比,取得聚类的质量更高,有更快的处理速度,对数据维数和规模有更好的可扩展性. 相似文献
5.
6.
7.
近年来,二分网络的社区挖掘问题得到了极大的关注。提出了一种基于广义后缀树的二分网络社区挖掘算法。首先从二分网络的邻接矩阵中提取网络中每个节点的链接节点序列,然后构建广义后缀树。广义后缀树的每个节点表示二分网络的一个完全二分团,由此获取并调整完全二分团。通过引入二分团的紧密度得到初始的社区划分,最后再对孤立点进行处理以得到最终的社区划分。所提算法不仅能发现重叠社区,而且能得到一对多关系的社区。在人工数据集和真实数据集上的实验表明,所提算法能准确地识别二分网络中的社区个数,获得很好的划分效果。 相似文献
8.
多数据流聚类是当前数据挖掘领域的研究热点。随着网络技术的迅猛发展,使得大量数据流产生自异构环境。提出了异构环境下多数据流的聚类框架,使用Web Service技术传输数据,实现本地和后台系统的连通,满足异构应用系统间对信息交互和传输的需求,实现了不同平台间的互联。 相似文献
9.
基于相关分析的多数据流聚类 总被引:2,自引:0,他引:2
提出基于相关分析的多数据流聚类算法.该算法将多数据流的原始数据快速压缩成一个统计概要.根据这些统计概要,可以增量式地计算相关系数来衡量数据间的相似度.提出了一种改进的k-平均算法来生成聚类结果.改进的k-平均算法可以动态、实时地调整聚类数目,并及时检测数据流的发展变化.还将算法应用到按照用户要求的聚类问题(COD),使得用户可以在任意的时间区间上查询聚类结果.提出了一种合理的时间片断划分机制,使得用户指定的任意时间区间都可以由这些时间片断组合而成.在模拟和真实数据上的实验结果都表明,该算法比其他方法具有更好的聚类质量、速度和稳定性,能够实时地反映数据流的变化. 相似文献
1