排序方式: 共有13条查询结果,搜索用时 16 毫秒
1.
2.
多维概念格与关联规则发现 总被引:2,自引:0,他引:2
在引用多维数据序列对概念内涵进行不同维度的描述的基础上,提出了多维概念格的形式化定义及其构造方法;并给出了基于多维概念格的关联规则提取方法,该方法通过发现最大频繁多维数据序列研究不同维度属性之间的依赖关系。实例表明,多维概念格利于发现内容更丰富的有用信息。 相似文献
3.
4.
多维概念格与领域本体具有相同的代数结构,也就是格结构,使得二者之间很容易产生一种映射关系。该文提出了多维概念格与领域本体的映射机制,以此为理论依据,设计了多维概念格与领域本体互构建方法,并通过实例给以实现。为领域本体的知识表示提供了新方法,也扩展了多维概念格的应用领域。 相似文献
5.
深度优先稳定原地归并排序的高效算法 总被引:1,自引:0,他引:1
基于分治策略,使用深度优先的方法,提出了一种用于线性表的稳定原地归并排序算法,其时间复杂度为O(n lb n),辅助空间复杂度为O(1),递归栈空间复杂度为O(lb n),同时进行了算法分析和实验测试。实验结果表明,该算法效率较STL中的稳定原地归并排序算法有67.51%的提升,解决了稳定排序算法中要么时间复杂度高要么空间复杂度高的问题。 相似文献
6.
传统概念格所蕴含的信息量是非常有限的,基于对多维数据序列的理解,重新描述和扩充了概念内涵,提出一种新的多维概念格,给出其渐进式构造算法。虽然新格的建立增大了格结构的复杂性,但能最大地保证数据的完备性,实现数据收集的全面性。通过实验验证了该算法是有效的。 相似文献
7.
当前的支持向量机和均值聚类等数据挖掘算法中,几乎都是依靠数据之间的关联性来完成数据匹配。一旦数据库中含有大量的冗余数据,将造成数据之间的相关性降低,关联性被破坏,导致传统的数据挖掘算法效率降低。为了避免上述缺陷,提出了一种弱化关联规则修补挖掘算法。利用弱聚类方法,在数据选择过程中,不将所有的元素都进行初始分类处理,只计算某一元素属于某一个类别的概率,确定多个弱聚类中心,计算不同数据之间的弱聚类关联性,从而实现关联规则较弱的冗余环境下准确的数据挖掘。实验结果表明,这种算法能够有效提高海量冗余环境下的数据挖掘效率,取得了令人满意的效果。 相似文献
8.
针对当前中缀算术表达式求值算法笨重或者复杂的问题,提出了一种轻量化的中缀算术表达式求值算法。该算法基于逆向拆分中缀算术表达式的思路,使用递归解析的方法,等价于中缀算术表达式的构造二叉树表示。实验结果表明,该算法与传统逆波兰表达式(RPN)转换、求值算法相比,该算法无需做逆波兰表达式转换,无需人工栈辅助,实现代码量仅有其1/6,而效率仅下降6.9%。与W3Eval算法相比,该算法无需符号转置表,支持算符自定义或重定义,实现代码量不到其1/2。该算法实现代价低,适用于Web应用的Browser端,及嵌入式应用等轻量化应用场合。 相似文献
9.
针对当前云计算负载压力测试过程中,对所采集数据计算并行任务密度的算法效率较低的问题,基于空间换时间的思路,使用数学分析的方法,提出了一种时间复杂度为O(n lb n),空间复杂度为O(n)的求解并行任务密度的高速算法。实验结果表明,该算法与时间复杂度同为O(n lb n)的OpenSTA算法相比,效率约有6~8倍的提升。该算法对多个相同的并行任务密度能够解得并行时长最长者,可以准确反映负载最重的情况。该算法适合云计算进行负载均衡算法设计时,获取真实参照数据使用。 相似文献
10.