基于MTF规则的非阻塞自组织链表

自组织链表是一种特殊的链表。与静态链表相比,将自组织链表应用于并发环境下,需要考虑自组织操作对链表状态的改变。因此,对于并发自组织链表,尤其是具有非阻塞特性的自组织链表的研究更加复杂。近些年来,并发链表的研究成果显著,而关于并发自组织链表算法的研究屈指可数。在这种背景下,提出了一种基于MTF(Move-To-Front)自组织规则的无锁自组织链表,证明了该链表算法实现了在集合上的插入、删除,以及查找操作,并且算法的实现是无锁的。实验结果表明,该算法的性能在大多数情况下都优于Harris算法,具有一定的使用价值。     

并发非阻塞自组织链表算法

利用自组织链表处理局部性较强的请求可提高性能,而非阻塞算法则能保证健壮性和可靠性。基于此,提出一种并发非阻塞自组织链表算法。使用MTF并发规则进行自组织操作,采用同步原语CAS实现并发程序,以保证查找、插入和删除操作的可线性化。实验结果表明,与Heller、Harris算法相比,随着读操作比例增大、链表变长,该算法的性能得到迅速改善。当读操作比例为90%、键值范围为4096时,其消耗时间最少。     

基于线性链表的模糊关联规则挖掘

为改进现有模糊关联规则挖掘算法的不足,提出了一种基于线性链表的模糊关联规则挖掘算法。算法利用线性链表只存储有用的事务数据库信息,并不断利用前期的运算结果对之进行简化,减少了数据的存储开销及扫描时间,降低了算法的时间复杂度,提高了算法的效率。比较分析以及实验表明,该算法对于挖掘模糊关联规则是快速而有效的。     

一种基于线性链表的关联规则挖掘算法

关联规则挖掘是数据挖掘的一个重要研究方向,其算法主要有Apriori算法和FP—growth算法,它们需要多次扫描事务数据库,严重影响算法的效率。为了减少扫描事务数据库的次数,本文提出一种基于线性链表（LinearLinker）的LL算法,它只需扫描事务数据库一次,把事务数据库转换为线性链表LL,进而对LL进行关联规则挖掘。实验表明,LL算法的时间开销明显优于Apriori算法和FP—growth算法,且LL算法通过定义备用候选频繁项目集,有效地支持了关联规则的更新挖掘。     

一种基于链表的改进Apriori算法

随着大数据时代的到来,作为关联规则挖掘的经典算法,Apriori算法受到了广泛的关注和研究,论文在总结现有研究的基础上提出了一种基于链表的改进Apriori算法.该算法首先扫描事务数据库计算频繁-1项集并采用链表进行压缩存储,避免了重复扫描事务数据库带来的额外开销,然后在频繁-N项集(N≥1)的基础上利用高效的位运算对...     

基于属性链表的关联规则格的渐进式构造算法

作为数据挖掘核心任务之一的关联规则发现已经得到了广泛的研究。而由二元关系导出的概念格则是一种非常有用的形式化工具,非常适于发现数据中潜在的概念。分析了概念格与关联规则提取之间的关系,根据需要对格结构进行了相应的修改,提出了关联规则格的概念,并提出属性链表这种数据结构,基于这种链表提出了关联规则格的渐进式构造算法。通过对算法进行分析,得出了比Godin算法更好的时间效率。     

入侵检测系统中基于三维规则链表的规则解析方法

入侵检测系统的规则解析效率直接影响到入侵检测系统的性能,文章在对入侵检测系统Snort的规则解析进行了分析以后,提出了一种三维链袁规则解析方法,并详细介绍了这种规则解析方法的数据结构.该方法既可节省存储空间,又加快了对每个包的处理时间.     

基于约束规则的产品结构自组织

针对传统CAD技术在产品系列化设计建模、新旧产品零部件结构之间的遗传继承或特征基因复制、人类专家设计经验知识的保存利用等方面相对较弱的问题,参照生物系统进化和基因遗传编码机理,提出产品信息基元的概念,探讨基于约束规则的产品结构自组织原理和方法,并对规则的表达和产品结构自组织算法进行详细论述．     

基于十字链表的Apriori改进算法

针对Apriori算法中存在的不足,提出一种把事务数据库映射到十字链表中的改进算法。该算法可以减少连接数据库的次数及事务记录的扫描次数。Apriori算法与改进算法的性能对比分析表明,改进算法能有效提高执行效率。     

基于无锁队列算法的报文分发流水线模型

本文提出一种报文分发的流水线模型,该模型中的共享数据缓冲区操作采用了动态内存分配的无锁队列算法。该算法以链表形式组织队列,避免了采用循环数组结构引起的缓冲区长度限制和内存浪费;与通用的链表队列算法相比具有实现简洁,执行效率更高,并在试验环境下验证了其性能指标。     

一种采用消隐技术的锁无关栈算法

随着对实时系统的实时性和系统服务要求的不断提高,基于多核/多处理器硬件平台的实时系统成为发展趋势.相应的高性能实时操作系统需具有更高的硬实时性和可靠性,并避免优先级逆转、死锁.相比阻塞同步,非阻塞同步在提高实时系统性能、确定性和容错性等方面具有优势,有利于实现上述要求.设计锁无关数据结构是实现非阻塞同步的方法之一.文章介绍了锁无关算法的基本结构,提出一种采用消隐技术的锁无关栈算法及证明锁无关算法正确性的理论方法,并证明了该锁无关栈算法的正确性.实验结果表明,该算法提高了访问共享数据的执行速度,并避免了死锁、优先级逆转、低容错性等缺点.     

基于自组织社区发现协作学习算法

远程学习者通常很难判断哪些学习资源最适合他们的阅读需要,同时对教师来说,针对每个学习者重新组织不同的学习资源几乎是不可能的.基于此,提出一种新颖的学习偏好建模方法,通过将动态学习数据映射为"资源、评估"的方式实现对学习特征的综合评估;通过构建智能代理来监控学习者的动态学习行为;提出组隶属度奖励机制和组成员交换机制,实现对分布式环境下的相似学习者的社区自组织;同时,基于JADE智能代理平台开发了一个协作学习平台,使得具有相似学习偏好的学习者能够进行学习资源和经验的共享.实验证明,算法具有较高的匹配准确性和社区构建效率,并能够切实提高协作学习的有效性.     

一种有效的自组织数据缩减算法

为提高数据采掘的效率,通常需要在提供同等分析结果的情况下对原数据集进行简化。文章提出了一种有效的数据缩减算法Sodra,以无监督与有监督相结合的学习方式生成适于分类的缩减数据集。对实际数据集和人工数据集的分类实验表明,所提出的算法既能大大降低空间需求,又不损害分类性能。同时,利用缩减集上的特征分析算法Relif-P可进一步提高算法对无关特征的适应能力。     

基于遗传算法的模糊规则的生成

模糊控制是人工智能的一重要研究领域,已经在很多方面得到了应用。模糊规则是一个智能系统的核心部分,所以模糊规则自动生成的研究一直以来吸引了很多的学者。遗传算法(Genetic Algorithm,GA)是模拟达尔文的遗传选择和自然淘汰的生物进化进程的计算模型,它是一种高度并行的随机化搜索的自适应的组合优化算法。该文提出了一种利用遗传算法自动生成模糊规则的方法,因为遗传算法的全局优化能力,所以可以得到相对较为合适的模糊规则,通过仿真结果,也可以看出它确实是一种切实可行的方法。     

基于Rough Set的规则更新算法

RS(RoughSet)方法犤1,2犦是一种处理不精确或不完整信息的强有力的数学工具。该文给出了在RS挖掘算法的基础上,支持度和置信度不变的前提下,数据量增加时的规则更新算法:在新的区分矩阵中充分利用已知的行列,并给出了具体的算法步骤。     

基于半扩展规则的定理证明方法

自动定理证明一直是人工智能领域中最重要的问题之一,基于归结的方法是通过推出空子句的方法来判定子句集的可满足性.基于扩展规则的定理证明方法在一定意义上是和归结原理对偶的方法,是通过子句集能否推导出所有极大项组成的子句集来判定可满足性.通过对扩展规则的研究给出了半扩展规则的概念,并提出了基于半扩展规则的定理证明算法SER.然后分析及证明了该算法的正确性、完备性和复杂性.实验结果表明,算法SER的执行效率较基于归结的有向归结算法DR和基于扩展规则算法IER,NER有明显的提高.     

基于蚁群算法的分类规则挖掘算法

提出了一种基于蚁群算法的分类规则挖掘算法。算法实质上是一种序列覆盖算法:蚁群搜索一个规则,移去它覆盖的样例,再重复这一过程,从而得到共同覆盖样例的一组规则。针对蚁群算法计算时间长的缺点,提出了一种变异算子。对两个公用数据的实验及其与C4.5和Ant-Miner的对比表明,算法能够发现更好的分类规则,包括预测能力更强,有更少规则的规则集,以及形式更简单的规则。实验同时显示变异算子有效节省了计算时间。     

基于Rough Set理论的增量式规则获取算法

从Rough set理论出发,讨论在新增数据时,新数据与已有规则集的关系、属性约简以及值约简的变化规律.并在此基础上提出一个新的基于Rough Set理论的增量式算法.从理论上和实验上对新算法和传统算法在算法复杂度上做了分析与比较.