检索结果-南通市图书馆

Knowledge-Driven Possibilistic Clustering with Automatic Cluster Elimination

Computers, Materials & Continua 2024年第9期80卷 4917-4945页

作者： Xianghui Hu Yiming Tang Witold Pedrycz jiuchuan jiang Yichuan jiang The School of Computer Science and Engineering Southeast UniversityNanjing211189China The School of Computer and Information Hefei University of TechnologyHefei230601China The Department of Electrical and Computer Engineering University of AlbertaEdmontonAB T6R 2V4Canada The Systems Research Institute Polish Academy of SciencesWarsaw00-901Poland The School of Information Engineering Nanjing University of Finance and EconomicsNanjing210023China

Traditional Fuzzy C-Means(FCM)and Possibilistic C-Means(PCM)clustering algorithms are data-driven,and their objective function minimization process is based on the available numeric ***,knowledge hints have been introduced to formknowledge-driven clustering algorithms,which reveal a data structure that considers not only the relationships between data but also the compatibility with knowledge ***,these algorithms cannot produce the optimal number of clusters by the clustering algorithm itself;they require the assistance of evaluation ***,knowledge hints are usually used as part of the data structure(directly replacing some clustering centers),which severely limits the flexibility of the algorithm and can lead to *** solve this problem,this study designs a newknowledge-driven clustering algorithmcalled the PCM clusteringwith High-density Points(HP-PCM),in which domain knowledge is represented in the form of so-called high-density ***,a newdatadensitycalculation function is *** Density Knowledge Points Extraction(DKPE)method is established to filter out high-density points from the dataset to form knowledge ***,these hints are incorporated into the PCM objective function so that the clustering algorithm is guided by high-density points to discover the natural data ***,the initial number of clusters is set to be greater than the true one based on the number of knowledge ***,the HP-PCM algorithm automatically determines the final number of clusters during the clustering process by considering the cluster elimination *** experimental studies,including some comparative analyses,the results highlight the effectiveness of the proposed algorithm,such as the increased success rate in clustering,the ability to determine the optimal cluster number,and the faster convergence speed.

关键词： Fuzzy C-Means(FCM) possibilistic clustering optimal number of clusters knowledge-driven machine learning fuzzy logic

来源：

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

参差质量工人环境中的众包任务全局分配模型

引用

计算机科学 2023年第S2期50卷 133-141页

作者：蒋玖川魏金鹏张金伟南京财经大学信息工程学院南京210023

已有的众包研究大多优先使用优秀工人来完成任务,即众包平台会为任务分配技能水平度和信誉度最高的工人。然而现实平台中大部分工人的技能水平度与信誉度相对较低,导致众包平台中同时存在大量无法分配的任务和无任务可做的工人。问题的... 详细信息

已有的众包研究大多优先使用优秀工人来完成任务,即众包平台会为任务分配技能水平度和信誉度最高的工人。然而现实平台中大部分工人的技能水平度与信誉度相对较低,导致众包平台中同时存在大量无法分配的任务和无任务可做的工人。问题的主要原因如下:(1)复杂任务对工人技能水平度要求高,专业工人数量较少,而占大多数的技能水平度较低的工人无法完成复杂任务,使得大量任务分配失败;(2)任务会被优先分配给技能水平度高和信誉度高的工人,而技能水平度、信誉度相对较低的工人因为没有达到任务要求往往无任务可做。在实际众包平台中,我们发现很多复杂任务都有充足的预算,并且平台中的工人们可以通过合作来提升技能水平度。基于这些实际观察,设计了一个工人合作模型:当平台中缺少符合任务要求的工人时,该模型会让技能水平度不足的工人加入团队,通过团队内工人合作达到任务要求的技能水平度,从而使任务分配成功。最后在真实数据集上开展了实验,实验结果表明,所提模型能够提高任务分配成功率,并同时降低任务发布者的预算成本、提高工人的整体收入水平。

关键词：众包复杂任务任务分配工人协作技能水平度

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

大数据环境下的数据库课程教学改革研究

引用

现代信息科技 2020年第20期4卷 178-180,184页

作者：刘予飞蒋玖川南京财经大学信息工程学院江苏南京210023

大数据技术作为当前的热门技术,对高等教育专业课程产生了明显的影响,推动高校课程改革是必然趋势。数据库是计算机科学与技术等相关专业的一门重要课程,文章阐述并分析了大数据背景下该课程面临的问题,结合社会对数据库人才的需求从教... 详细信息

大数据技术作为当前的热门技术,对高等教育专业课程产生了明显的影响,推动高校课程改革是必然趋势。数据库是计算机科学与技术等相关专业的一门重要课程,文章阐述并分析了大数据背景下该课程面临的问题,结合社会对数据库人才的需求从教学内容、教学模式和实践平台探讨了大数据背景下数据库课程的教学改革思路,并以实际应用案例证实该方法提高了学生的自主创新思想和实践能力,能更好地培养实用型数据库创新人才。

关键词：大数据数据库课程 NoSQL 教学改革

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：