MIRA N：一种改进的最小干扰路由算法*

研究动态路由算法,提出了一种改进的最小干扰路由算法（MIRAN）。该算法引入关键链路、次关键链路的定义,将算法分为预处理和在线路由两个过程,降低了算法复杂度影响。仿真结果表明该算法可使网络负载分布更为均衡、提高网络吞吐量,进一步改善最小干扰路由算法的性能。     

基于依赖关系的定义类问题回答系统

定义句模板和关联词向量作为候选定义句选择的常用特征, 前者确定定义的表达形式, 后者确定定义的叙述内容. 目前, 大多数定义类问题回答系统中都是根据问题Target及其周边词之间的相对位置关系来提取定义句模板和关联词. 在这种基于位置关系的基础上提出了基于依赖关系的定义句模板和关联词抽取方法, 然后将这些特征应用到改进的在线算法MIRA (Margin infused relaxed algorithm), 从而实现对候选定义句子的排序. 这种改进的MIRA算法能够根据学习进程自动调整约束条件, 从而提高算法的收敛速度与性能.     

基于k-best树模式的树流分类算法研究

对结构化数据的分类方法大多是基于频繁子结构挖掘,然后通过排序剪枝等处理将频繁子结构与类关联得到结构规则进而分类.本文针对树形结构数据提出一种基于重要树模式的数据流分类方法TSC,首先使用相关度量发现k个与类相关的最具有判别能力的树模式,在该过程中,使用分支界限法提高搜索效率,无需挖掘完全模式,另一方面对参考度不断更新从而避免后剪枝操作,得到的树模式可直接用于分类.同时,和以往的方法相比,TSC是无启发式算法,只需用户设置最大规则集数目.然后,采用经典adwin思想处理演变树流中的局部概念漂移.实验表明,与以往的方法相比,TSC生成更少的有效规则集使得测试时间大大降低,总运行时间相对较短的同时可达到较高正确率,简单高效.     

变换存储结构的一种高效排序算法

给出变换存储结构的一种高效排序算法 ,该算法的时间复杂度为 O(n) ,且与待排序数据的分布无关 .给出了该排序算法的描述 ,并在时间复杂度和空间复杂度两方面与其他排序算法作了比较     

MPLS流量工程最小干扰选路算法研究

多协议标记交换(multiprotocol label switching,简称MPLS)技术运用显式的标记交换路径(label switching path,简称LSP),使得互联网上流量工程的部署变得简单和高效.因此,LSP选路算法成为MPLS流量工程中的核心和热点问题.深入剖析了LSP选路算法中的最小干扰选路算法(minimum interference routing algorithm,简称MIRA)的关键思想,综述了对MIRA的各种改进方案,并依据其实现方案将现有主要最小干扰选路算法分为4类:关键链路的重新定位类、利用流量特征信息类、增加准入控制类和解决多服务质量受限类.在分析每类算法核心思想的基础上,阐述了各类的典型算法,讨论了每种算法的优点和适用环境,剖析了其中存在的主要问题,并对它们进行了综合对比.最后指出了最小干扰选路算法进一步的研究方向.     

代价敏感的列表排序算法

排序学习是信息检索与机器学习中的研究热点之一.在信息检索中,预测排序列表中顶部排序非常重要.但是,排序学习中一类经典的排序算法——列表排序算法——无法强调预测排序列表中顶部排序.为了解决此问题,将代价敏感学习的思想融入到列表排序算法中,提出代价敏感的列表排序算法框架.该框架是在列表排序算法的损失函数中对文档引入权重,且基于性能评价指标NDCG计算文档的权重.在此基础之上,进一步证明了代价敏感的列表排序算法的损失函数是NDCG损失的上界.为了验证代价敏感的列表排序算法的有效性,在此框架下提出了一种代价敏感的ListMLE排序算法,并对该算法开展序保持与泛化性的理论研究工作,从理论上验证了该算法具有序保持特性.在基准数据集上的实验结果表明,在预测排序列表中顶部排序中,代价敏感的ListMLE比传统排序学习算法能取得更好的性能.     

融合显/隐式反馈的协同排序算法

之前有关协同排序算法的研究没有充分利用数据集中信息的问题,要么只侧重于研究显式评分数据,要么只侧重于研究隐式评分数据,目前还没有人运用排序学习的思想把二者结合起来进行研究.针对之前研究的不足,在最新的扩展的少即是好协同过滤(xCLiMF)模型和最经典的变形的奇异值分解(SVD++)算法的基础上,提出了一种融合显/隐式反馈的协同排序算法MERR_SVD++来直接优化排序学习的评价指标ERR.在实际数据集上实验验证,与经典的xCLiMF、Cofi排序(CofiRank)、PopRec、Random算法相比,MERR_SVD++算法在归一化折损累积增益(NDCG)和预期的相关性排序(ERR)这两个评价指标下性能均提高了25.9%以上,而且算法运算时间与评分点个数线性相关.由于MERR_SVD++算法推荐精度高、可扩展性好,因此适用于处理大数据,在互联网信息推荐领域具有广泛的应用前景.     

基于C语言排序算法的设计与实现

伴随着社会的发展,数据也变得越来越庞大.面对海量的资料,如果信息没有进行排序,就会大大增加工作难度.本文对三种排序算法(冒泡排序、选择排序、直接插入排序)进行设计,并利用C语言实现这三种算法.     

THSORT:单机并行排序算法

排序是计算机事务处理的重要操作之一.前人已经就内部排序、外部排序和并行排序提出各种方法.从一种全新的视角研究了排序算法,提出一种在单机上实现的并行排序算法THSORT(Tsinghua SORT).它用多个进程分别控制不同的硬件部件,使输入、排序和输出能够同时进行,从而大大提高了硬件部件的并行性和运行效率.在带有双磁盘阵列的硬件平台上进行的测试表明,THSORT的性能达到了NTSORT(new technology SORT)的1倍左右,并成为2002年PennySort(Daytona类)世界排序纪录的保持者.     

MPLS流量工程中的约束路由算法

该文提出一种基于MPLS流量工程的约束路由算法—BHRA。该算法以带宽为主要约束条件,兼顾跳数约束来确定链路权重,并利用最短路径算法(SPF)来寻找权重和最小的路径。仿真实验表明与CSPFHopCount算法及MIRA算法相比该算法在网络负载均衡,限制最大链路利用率,以及LSP的请求拒绝率方面表现出更好的性能。     

基于强化学习的数据库多属性索引推荐

传统关系型数据库通过人工方式进行索引推荐,已无法适应日益增长的数据需求,而机器学习技术可以有效地解决数据库索引选择问题。针对以往仅在静态数据库下进行索引推荐且无法及时更新索引配置的局限性,提出了一种基于强化学习算法实现为数据库数据动态变化情况下的一组工作负载推荐最佳多属性索引配置的方法(multi-attribute index intelligent recommendation approach, MIRA)。在公开的TPC-H数据集上的实验结果表明,该方法不仅能有效地为一组工作负载推荐最佳的索引配置,而且优于自定义的比较基线和相关强化学习方法。     

MPLS流量工程路由优化机制的研究

对最小干涉算法进行了链路权值优化研究,提出集中和分布相结合的方式计算显式路由的方法.使用专门的策略和权值服务器PAWS为链路计算权值,标记边缘路由器LER实施分布式最小干涉算法,计算满足带宽的显式路由.通过路由算法及其体系结构的优化,提高了MPLS显式路由计算的效率和准确性,增强了MPLS流量工程系统的可扩展性.     

MIRA-N:一种改进的最小干扰路由算法

研究动态路由算法,提出了一种改进的最小干扰路由算法（MIRA-N）。该算法引入关键链路、次关键链路的定义,将算法分为预处理和在线路由两个过程,降低了算法复杂度影响。仿真结果表明该算法可使网络负载分布更为均衡、提高网络吞吐量,进一步改善最小干扰路由算法的性能。     

改进的高选择压力紧致遗传算法

针对紧致遗传算法求解复杂优化问题的局限性,提出一种改进的高选择压力紧致遗传算法。该算法利用概率向量随机产生S(S>2)个个体,并按照适应度值进行排序,然后由最优解与其他解线性组合构成的虚拟解进行相互竞争,从而实现概率向量的更新。对3种不同类型测试函数的仿真结果表明,改进算法比标准紧致遗传算法和高选择压力紧致遗传算法具有更高的优化精度。     

基于分块和净化的搜索引擎排序算法

展开了对互联网搜索引擎结果集的智能排序研究,提出了一种基于扩展网页质量和VIPS分块算法的智能网页排序算法,并对结果进行净化处理以及查询优化。实验结果表明研究提出的新算法提高了推荐精度。     

一种用于BP网络优化的并行模拟退火遗传算法

针对模拟退火算法和遗传算法存在的不足,提出了并行模拟退火遗传算法,并用于3层BP神经网络优化。在适应度函数中引入模拟退火机制,采用排序、最优保存策略选择算子、启发式交叉和多点非均匀变异改进遗传算子,利用模拟退火算法产生新解增加搜索方向,并结合并行进化思想对经典遗传算法进行改进。通过对英文字母识别的仿真实验,表明该方法全局搜索能力、局部搜索能力和收敛速度都优于经典遗传算法。     

基于Manifold Ranking和结合前景背景特征的显著性检测

针对基于图和流形排序（Manifold Ranking）的显著性检测算法（MR算法）过度依赖边界节点的背景特征的问题,提出一种改进的结合前景背景特征的显著性检测算法。首先,对图像进行超像素分割,建立闭环图模型;然后利用流形排序算法根据图像前景特征和背景特征分别得出前景种子和背景种子;再通过亮度和颜色特征对两类种子进行结合,筛选出更为准确的查询节点;最后再利用流形排序算法进行显著值计算,得到最终的显著图。实验表明,改进方法与MR算法相比在精确率、召回率、F值等多个评价指标上均有明显提升,得到的显著图更接近真值。     

基于网络结构的节点中心性排序优化算法﹡

针对社交网络中节点中心性排序算法存在的不足,本文从网络结构的角度提出了一种准确有效的节点中心性排序算法(CentraRank)。算法不仅克服原中心性排序算法的缺陷,也在精度和收敛速度方面均有所提升。最后根据佩龙-佛罗贝尼乌斯定理证明算法的收敛性,然后运用新浪微博和随机数据的模拟实验从三个方面证明了该算法的可行性和有效性。在该算法的基础上提出了一种基于网络结构的边中心性排序优化算法(EdgeRank),并验证算法的正确性。     

Combining satellite data for estimation of rainfall for analysis of a watershed scale

The microwave/infrared rainfall algorithm (MIRA) method combines microwave and infrared channels for their respective contributions to the achievement of higher rainfall-correlated and spatial resolution data, in order to acquire appropriate rainfall data for hydrological models. In this study, estimates of rainfall rate using the MIRA method are affected by the time lag between the data acquisition of the microwave and infrared channels. The root-mean-square error (RMSE) for comparing the rainfall rate retrieved by the MIRA method (5-minute time lag between microwave and infrared data) to the ground rainfall rate in Taiwan is 12.23 mm hour^?1 with a correlation coefficient of 0.58. In addition, by comparing rainfall estimated by the TMI-2A12 and the MIRA method for three typhoons, the rainfall estimated by the latter method is more significantly correlated with the ground-observed rainfall.