无向双环网络G(N;±1,±s)的直径求解改进算法

利用计算机算法研究无向双环网络直径在国内外文献中尚不多见,文献[1]中提出了一种算法,并成功实现,其不足之处是利用数据库存取中间结果,严重影响了计算速度,当N值很大时需要计算的时间过长.针对这一不足,提出利用数组取代数据库来存取中间结果的改进算法.实验结果表明该算法较文献[1]算法极大地提高了运算速度,并列出了两个N大值直径分布图.     

无向双环网络G（N；±1，±s）的直径求解改进算法

利用计算机算法研究无向双环网络直径在国内外文献中尚不多见，文献[1]中提出了一种算法，并成功实现，其不足之处是利用数据库存取中间结果，严重影响了计算速度，当N值很大时需要计算的时间过长。针对这一不足，提出利用数组取代数据库来存取中间结果的改进算法。实验结果表明该算法较文献[1]算法极大地提高了运算速度，并列出了两个N大值直径分布图。     

双环网络G(N;1,s)的L形瓦仿真算法改进

利用仿真来研究双环网络L形瓦,在国内外文献中尚不多见,文献[1]提出了一种仿真算法,文献[2]使用数组对文献[1]的算法作了改进.其不足之处是使用了过多过长的中间数组,影响了仿真速度.针对这一不足,根据L形瓦的h边特性,使用了更少更短的数组改进了文献[2]的算法,实验结果表明,改进的算法极大地提高了仿真速度.此外还给出了L形瓦的h边分布特点,并作了进一步分析.     

无向双环网络G(N;±1,±s)的直径求解算法

提出无向双环网络G(N;±1,±s)的直径求解算法,利用VB6.0作为编程语言、SQL Server2000作为数据库来实现这一算法,对任意给定N,而2≤s≤N-1的这样一族无向双环网络的直径都可以计算出来,结果存入数据库,并且利用VB6.0的控件MSChart来模拟显示计算结果.找出了该族无向双环网络直径的分布特点:具有最大值、最小值和中间对称性;对任意N,有不少s使得G(N;±1,±s)紧优或几乎紧优.验证了Boesch和Wang等提出的无向双环网络G(N;±1,±s)的直径下界,给出了一个新的直径上界公式.     

无向双环网络G(N;±r,±s)的图形仿真算法

传统的L形瓦仿真方法无法直接用于研究无向双环网络。针对上述问题,将直角坐标系引入无向双环网络中,提出一种新的图形仿真算法。利用该算法可以快速仿真出无向双环网络G(N;±r,±s)的图形,同时标注其直径、平均距离及节点的具体分布。通过研究仿真图形,得出单位步长无向双环网络G(N;±r,±s)直径、平均距离的分布规律。     

双环网络直径点和宽直径点的分布特性

针对单个有向单位步长双环网络G(N;1,h),根据其直径和宽直径的定义,并借助其等价L形瓦进行直径和宽直径路由的构造,证明了任意双环网络的直径点和宽直径点均小于或等于2个;证明了直径点一定分布在L形瓦的第一象限内,宽直径点一定分布在L形瓦的两个坐标轴上.对于一族有向单位步长双环网络G(N;1,2≤h≤N-1),随着步长h的递增,该族双环网络路由的节点顺序具有由小到大变为由大到小的特点,借助VB6.0编程仿真了该族双环网络直径点和宽直径点的分布图,发现其直径点和宽直径点具有波动下降的特征;直径点往往大于宽直径点;步长h在中间处两者的值最大;对于某个双环网络,如果直径点有两个,则其宽直径点必有两个.     

无向双环网络G(N;±1,±s)的直径求解算法

提出无向双环网络G(N;±1,±s)的直径求解算法,利用VB6.0作为编程语言、SQLServer2000作为数据库来实现这一算法,对任意给定N,而2≤s≤N-1的这样一族无向双环网络的直径都可以计算出来,结果存入数据库,并且利用VB6.0的控件MSChart来模拟显示计算结果。找出了该族无向双环网络直径的分布特点:具有最大值、最小值和中间对称性;对任意N,有不少s使得G(N;±1,±s)紧优或几乎紧优。验证了Boesch和Wang等提出的无向双环网络G(N;±1,±s)的直径下界,给出了一个新的直径上界公式。     

基于矩阵加权的VMOApriori算法

针对关联规则数据挖掘的Apriori算法存在I/O负载大、计算速度慢和减枝过程中间结果多的问题,提出了一种基于矩阵加权的VMOApriori算法.该算法扫描一次数据库生成事务矩阵,并利用矩阵加权及其向量运算产生频繁项集,通过删减矩阵中事务及事务项压缩矩阵,减少了候选项集的冗余,加快了频繁项集的筛选速度.仿真表明,该算法降低了I/O负载,减少了中间结果数据量,提高了数据挖掘效率,验证了算法的有效性.     

三维直角坐标系下三环网络的超L型瓦仿真

传统的超L型瓦仿真算法主要采用穷举的方法,效率较低,且有一定的局限性。针对上述问题,将三维直角坐标系引入三环网络,在三维直角坐标系下,提出广义三环网络G(N;s1,s2,s3)的超L型瓦仿真算法,利用C++和OpenGL实现超L型仿真,并求得其相关参数l、m、n,以及三环网络的直径D。实验结果表明,该算法具有较高的执行效率和更强的通用性。     

双环网络直径的对称性及其仿真算法

双环网络有效性的一个重要参数是信息的传输延迟,它可以用其图的直径来度量.从双环网络的图论模型出发,首次使用矩阵原理证明了双环网络直径的对称性,根据对称性,使搜寻最优或紧优G(N;s)的范围可以减少一半;给出了双环网络直径的仿真算法;并利用C#作为编程语言、SQL Server2000作为数据库实现了该算法.     

大型数据库中利用强化学习改进treap的关联规则挖掘算法

信息的爆炸式增长使数据挖掘分析过程更加困难,针对普通关联规则挖掘算法很难在短运行时间和低关联度的前提下完成大型数据库中变量关系的评估和发现的问题,提出利用强化学习算法改进treap的大型数据库关联规则挖掘算法。提出的算法首先计算数据库中每个变量的优先级;然后,在优先级模型中利用强化学习算法改进的build-treap程序构建treap数据结构;最后,通过遍历程序和generateRule程序完成数据库中所需的关系查找。在对提出的算法进行稳定性分析后进行了仿真验证实验,实验结果表明,提出的算法在其最次和最佳案例分析中分别能够完成O(n log n)次和O(n 2)次挖掘,能够在较短时间内完成低关联度的大型数据库中变量关系挖掘任务,相对于改进型Apriori算法和改进型FP生长算法有较大提升。     

一种改进的Apriori算法

针对Apriori算法对数据库的扫描次数过多、系统的I/O负载大和产生大量的无关中间项集等弊端,提出了一种改进的Apriori算法。该算法通过加入用户兴趣项,减少候选项集的产生;打破了传统的算法实现步骤减少了数据库的扫描次数,降低了系统I/O负载;构建了用户兴趣度模型增加了算法生成强关联规则的可读性,提高了算法的效率。实验表明,改进的Apriori算法能有效地提高运行速度和效率。     

Hadoop分布式架构下大数据集的并行挖掘

基于Hadoop分布式计算平台,给出一种适用于大数据集的并行挖掘算法。该算法对非结构化的原始大数据集以及中间结果文件进行垂直划分以确保能够获得完整的频繁项集,将各个垂直分块数据分配给不同的Hadoop计算节点进行处理,以减少各个计算节点的存储数据,进而减少各个计算节点执行交集操作的次数,提高并行挖掘效率。实验结果表明,给出的并行挖掘算法解决了大数据集挖掘过程中产生的大量数据通信、中间数据以及执行大量交集操作的问题,算法高效、可扩展。     

关联规则中Apriori算法的研究与改进

关联规则反映了大量数据中项集间的相互依存性和关联性。Apriori算法是关联规则挖掘中的经典算法,目前已有很多的改进版本,但大多存在多次扫描数据库,项集生成瓶颈和模式匹配频繁的问题,算法效率比较低。本文深入的分析研究关联规则Apriori算法,改进候选频繁项目集的连接和剪枝策略,改进对事务的处理方式,减少模式匹配所需的时间开销,并给出了改进算法。     

一种大时滞系统的无模型自适应控制改进算法

利用无模型自适应控制（Model—freeadaptive control,MFAC）方法仅需要被控对象输入和输出数据,而不需要其他任何信息的优点。针对工业生产过程中普遍存在的大时问滞后的特点,提出针对未知模型的大时滞对象的无模型自适应控制改进算法（Improved MFAC on Large Time—delay System,LTDS-IMFAC）。在改进算法中,在基本无模型自适应控制算法的基础上引入了带有滞后时间的输入变化率的约束项．以此来减小大时间滞后对整个控制过程的影响。通过MATLAB仿真试验证明了改进算法对于大时滞系统的控制具有较好的有效性。     

基于矩阵压缩的Apriori算法改进的研究

Apriori算法是利用关联规则进行数据挖掘的一种经典算法,但其具有产生大量候选项集和多次扫描数据库的缺点。鉴于此,提出了一种基于压缩矩阵的Apriori改进算法,通过扫描一次数据库,将其转化为布尔事务矩阵,按照相关性质对事务矩阵进行压缩,以减少算法的运算量。实验结果表明,改进算法在性能上得到了明显提高。     

无模型自适应控制改进算法的性能仿真分析

在基于紧格式线性化方法的无模型自适应控制算法（Model—freeAdaptiveControlBasedonTightFormatLinearization,TFL-MFAC）的基础上,针对大时间滞后的特点,提出针对大时滞对象的MFAC改进算法（ImprovedMFAConLargeTime—delaySystem,LTDS—MFAC）。构造了大时滞对象并通过MAT—LAB仿真实验对改进MFAC算法的鲁棒性、抗干扰能力和跟踪能力进行分析。仿真实验表明了改进MFAC算法对大时滞系统控制具有更好的控制性能。     

Apriori-sort算法研究

Apriori算法虽然在候选集的产生时利用了剪支技术,但每次扫描数据库时都必须扫描整个数据库,因此扫描的数据量大,速度较慢。Apriori-sort算法是在Apriori算法基础上的改进,基本思想是把事务数据库变为以度表示的事务度数据库,并对事务度数据库进行排序。Apriori-sort算法查找频繁项集时,只扫描数据库Dd中满足d（Ck）≦d（Ti）的事务。对扫描数据库进行了有效剪支,因此Apriori-sort算法的计算效率高。并用仿真数据对Apriori-sort算法和Apriori算法进行了仿真对比实验,实验结果证明了新算法的高效性。     

一种改进的分布式数据库查询优化算法

分析和研究了传统的分布式数据库连接查询优化算法,利用数据划分和并行处理执行策略,提出了多连接属性划分的查询优化算法.实验证明,此算法可以提高查询的响应速度,减少查询的响应时间,在处理分布式数据 '库中海量信息查询和复杂查询方面具有实用价值.