高校招生系统中并行志愿投档算法的一种改进

分析了现有主要的高考招生系统中有关并行志愿的投档算法;结合安徽省的具体招生政策,指出了该算法的不足之处;提出了一种改进的投档算法,阐述了该算法的实现过程,并将其成功地运用于2001年度、2002年度的安徽省高考招生工作中。     

一种基于并行策略的BP改进算法

介绍了BP神经网络的基本结构及原理,分析了其收敛慢的原因。为加快其收敛速度,结合带动量梯度下降法提出一种新的算法(PBBP),用多个学习速率不同但结构相同的网络进行并行训练,在每次迭代后都根据误差找出处于最佳状态的网络,并使其它网络的训练参数作适当变化再进行下一次迭代,直到整个网络的误差减小到允许范围内或达到训练次数要求,加快了其收敛速度,能够很好地脱离平坦区。通过在Matlab里编程进行仿真实验证明,该算法是可行的。     

一种基于并行策略的BP改进算法

介绍了BP神经网络的基本结构及原理,分析了其收敛慢的原因.为加快其收敛速度,结合带动量梯度下降法提出一种新的算法(PBBP),用多个学习速率不同但结构相同的网络进行并行训练,在每次迭代后都根据误差找出处于最佳状态的网络,并使其它网络的训练参数作适当变化再进行下一次迭代,直到整个网络的误差减小到允许范围内或达到训练次数要求,加快了其收敛速度,能够很好地脱离平坦区.通过在Matlab里编程进行仿真实验证明,该算法是可行的.     

一种改进的并行蝙蝠算法

针对蝙蝠算法存在易陷入局部最优、后期收敛速度慢及收敛精度低等问题,提出一种改进的并行蝙蝠算法(IPBA).设计一种基于免疫浓度的混沌初始化,选择出适应度高、浓度低的个体组成更高质量的初始群体;引入并行策略,将种群分为探索与开发两个子群体,采用不同的惯性权重和停滞变异策略分别进化,可有效防止早熟,并加快算法收敛速度.此外...     

浅析招生录取工作中自动投档系统的设计与实现

招生录取工作中一般采用VFP数据库管理大量的考生信息,其中投档工作仍需要操作人员的大脑分析而产生结果。介绍了在招生录取工作中投档环节的自动化实现,通过有效利用计算机及其网络使我们的工作效率大大提高,实现招生和录取工作的网络化管理。     

并行异构系统中的一种高效任务调度算法

并行分布计算是当前计算机科学的热点之一。调度算法是影响分布式计算的关键因素,也是一个具有挑战性的课题。调度算法是将有通信关系的任务按顺序分配给不同的处理器。提出了一种基于区间插入和任务复制的高效启发式算法,通过对各种随机任务图和高斯迭代任务图进行模拟,与已有算法相比,新算法的效率有很大的提高。     

K-means算法在志愿平行投档排序分值计算中的应用研究

截止到2014年,全国共有28个省市实行平行志愿投档,该模式得到社会很高的认可.平行志愿模式需要按照考生总分的高低进行排序投档,在解决同分考生投档时,现行做法依次考虑语文、数学、外语成绩,该3科成绩的优劣直接影响其志愿出档情况.以2015年湖北省考生成绩为分析基础,采用KDD的K-means经典算法,按照批次个数进行聚类,进行局部质心的提炼,得到的质心向量,计算考生成绩向量在质心向量的投影长度来进行排序.该算法避免了人为定义语文、数学等各科成绩的优先级,而采用数据挖掘思想,综合考虑各个成绩项,最终决定排序分值,经试验验证数据结果良好.     

一种改进的求解输运方程的并行Sn扫描算法

非结构网格上求解粒子输运方程的可扩展并行算法是一个亟待解决的课题。本文在文献[1]并行流水线勖扫描算法的基础上提出了一种改进算法。改进后的算法可以有效降低原算法对并行机通信延迟的依赖,减少程序运行的通信时间,达到了缩短并行计算时间和提高并行性能的目的。针对二维粒子输运问题进行的数值实验表明,从64扩展到256个处理机时,加速比呈线性增长,改进算法比原算法的并行计算时间最大减少了19％。     

一种新的并行归并排序算法

文章提出了一种新的并行归并排序算法。算法充分利用并行系统中各个处理机中数据排序后序列长度相等的特点,计算出归并段对中的一个元素和最后一个元素的位置,然后再从相应的位置进行归并排序。该算法可使排序后的数据分布完全达到平衡,具有较高的负载平衡性、可扩展性和排序稳定性。文章最后给出了基于PC集群的实验结果,并把该结果与PSRS算法作了比较。     

一种改进的并行连接算法Diag-Join及其性能分析

介绍了一种改进的并行连接算法：Diag-Join算法,并将它运用到并行环境中。实验表明,Diag-Join算法在内存足够时可以取得最好的性能,即使在内存较小的情况下,仍能得到令人满意的效果。     

SCA构建高校迎新系统的应用研究

介绍了SOA与SCA的基本概念。针对目前高校迎新系统所遇到的困难,提出了基于SCA的高校迎新系统的总体架构以及主要模块的设计与实现。     

SOA架构高校迎新系统的SDO模型探讨

简单介绍了引入SDO模型的原因,阐述了SDO模型及实现技术,重点分析了SDO模型在SOA架构高校迎新系统中的简单应用。     

Clever Algorithm的一种改进

解决了Clever算法在Web超链接结构研究方面的一个问题Clever算法在多重连续的超链接情况下忽略了用户的浏览行为,我们引入了可行性矩阵,提出了一种改进算法,同时应用Warshll算法解决了算法复杂度问题.     

QoS供应体系中的新型网络改进算法

将流量工程技术应用于网络规划(网络改进)以构建满足业务流量多QoS需求的高性能网络,这是传统网络改进通过设备扩容方法难以有效解决的NPC问题,并在此基础上提出基于流量工程的新型网络改进算法.算法采用网络连通扩充启发式算法保证拓扑约束,基于多QoS约束路由算法满足流量工程约束,并使用遗传算法策略全局寻求改进费用最小网络及容量分配.通过仿真研究表明,该算法构建的网络在满足各网络约束的同时,具有网络负载分配均衡,避免存在局域拥塞的较高网络运行性能.     

一种Runahead执行的改进算法

Runahead执行技术能够显著地提高计算机系统的存储级并行,而无需对处理器结构做出较大改动。但Runahead执行处理器要比传统处理器多执行很多指令,最多是正常执行指令数的三倍以上,大大增加了处理器的功耗。本文通过分析发现Runahead执行在预执行阶段会执行大量的无效指令,据此提出一种减少无效指令的方法来提高Runa-head执行处理器的效率。通过实验分析,在性能影响较小的情况下,该方法最多可以减少50%的Runahead执行处理器在预执行阶段执行的无效指令。     

一种Agent数据库系统框架及其规则并行算法

面向对象方法描述的对象是被动的,与主动机制存在矛盾,不能很好地定义分布式主动数据库中对象的功能和特性.分布式主动数据库中的主动规则还带来了终止性、合流性的问题.首先分析面向对象方法的局限性,将Agent技术、分布式数据库、主动数据库相结合,给出一种面向Agent的分布式主动数据库系统框架.然后在这个框架基础上,提出扩展事件规则图方法和改进的Coffman-Graham规则并行算法,并分析它们的性能.分析结果表明,前者在一定程度上解决了数据库系统的终止性问题,后者在保持合流性的基础上提高了规则并行处理效率.这个框架对研究Agent技术在分布式主动数据库中的应用有一定的启示.     

集群系统中的FP-Growth并行算法

针对FP-Growth算法面临大规模数据库时空效率不高的问题,提出一种面向计算机集群的并行算法。采用投影方法直接寻找频繁项的条件数据库,将挖掘条件数据库的工作分化成若干独立的子任务,分配到集群中的节点上并行实现,由中央节点汇总结果并输出。结果证明,该算法不仅能够提高计算速度,解决数据库规模过大时内存溢出的情况,且具有良好的延展性。     

序贯最小优化的改进算法

序贯最小优化(sequential minimal optimization,简称SMO)算法是目前解决大量数据下支持向量机(support vector machine,简称SVM)训练问题的一种十分有效的方法,但是确定工作集的可行方向策略会降低缓存的效率.给出了SMO的一种可行方向法的解释,进而提出了一种收益代价平衡的工作集选择方法,综合考虑与工作集相关的目标函数的下降量和计算代价,以提高缓存的效率.实验结果表明,该方法可以提高SMO算法的性能,缩短SVM分类器的训练时间,特别适用于样本较多、支持向量较多、非有界支持向量较多的情况.     

一种FP树的并行挖掘算法

为提高频繁模式树(FP)的关联规则挖掘性能,论文提出一种FP树的并行挖掘算法,即将FP树进行逐步分解,分解过程中进行剪枝和合并,得到各个简化的小FP树,利用网格上各个计算资源进行关联规则挖掘。