检索结果-南通市图书馆

计算机工程与应用 2006年第34期42卷 42-44页

作者：赵玲刘三阳寇晓丽西安电子科技大学理学院

利用旅行商问题中最优路径和生成树之间的关系,论文将最小生成1-树的概念引入蚁群算法,并提出一种新的量度来构造动态候选集。通过数据实验,表明该算法不仅有效地防止了解的退化,而且提高了搜索精度,收敛性有了明显改善。

关键词：蚁群算法最小生成1-树旅行商问题候选集

在线全文

学校读者我要写书评

暂无评论

基于项目候选集的协同过滤算法

计算机应用研究 2016年第12期33卷 3620-3624页

作者：曾安谢杰民潘丹广东工业大学计算机学院广州510006 广州市本真网络科技有限公司广州510665

针对协同推荐技术中的数据稀疏性等问题,提出了一种新颖的协同过滤算法。该算法在用户相似的协同过滤基础之上,引入用户之间的非对称影响度和支持度,提出项目候选集的概念。并且,该算法利用项目信息熵对未评分项目集合进行二次修正,得... 详细信息

针对协同推荐技术中的数据稀疏性等问题,提出了一种新颖的协同过滤算法。该算法在用户相似的协同过滤基础之上,引入用户之间的非对称影响度和支持度,提出项目候选集的概念。并且,该算法利用项目信息熵对未评分项目集合进行二次修正,得到候选项目集合,进而提高算法的准确率。基于Movie Lens和Netflix数据集的实验表明,相比目前多个比较流行的算法,该算法在推荐结果的准确率、召回率和F_1值上都具有较大的优势,有效地降低了用户评分稀疏性问题带来的负面影响,显著提高了推荐系统的推荐质量。

关键词：协同过滤候选集非对称性推荐系统支持度

在线全文

学校读者我要写书评

暂无评论

一个不需要产生候选集频繁集挖掘算法的研究

吉林农业大学学报 2003年第3期25卷 346-349页

作者：张勇杨玲吉林工程技术师范学院信息工程学院吉林长春130052 吉林农业大学教育技术中心吉林长春130118

FP-growth算法是一个频繁集产生算法,与一般的类似于Apriori的频繁集产生算法相比,FP-growth的优点在于它不需要产生大量的候选集,因而在时间和空间上都有很好的效率。从不同角度对FP-growth算法进行了详细的研究,并与经典算法Apriori... 详细信息

FP-growth算法是一个频繁集产生算法,与一般的类似于Apriori的频繁集产生算法相比,FP-growth的优点在于它不需要产生大量的候选集,因而在时间和空间上都有很好的效率。从不同角度对FP-growth算法进行了详细的研究,并与经典算法Apriori在性能上作了分析对比。

关键词：候选集频繁集数据库数据挖掘关联规则 FP-growth算法 Apriori算法

缩小候选集的Top-k高效模式挖掘算法研究

在线全文

学校读者我要写书评

暂无评论

缩小候选集的Top-k高效模式挖掘算法研究

作者：陈明福重庆大学

学位级别：硕士

数据挖掘能够发现隐藏在数据中的有用信息,在数据分析领域扮演着重要角色,特别是在零售业,每天需要分析从各个分店产生的大量销售数据,用来帮助商家做出有利的销售决策,比如清单编制,产品布局和推广。为了使销售业务能够按计划顺利进行... 详细信息

数据挖掘能够发现隐藏在数据中的有用信息,在数据分析领域扮演着重要角色,特别是在零售业,每天需要分析从各个分店产生的大量销售数据,用来帮助商家做出有利的销售决策,比如清单编制,产品布局和推广。为了使销售业务能够按计划顺利进行,对于各分店不断产生的销售数据,能够进行高效的分析是非常有必要的。作为数据挖掘的一项重要技术,频繁模式挖掘可以发现由项目构成的有用模式。在通常的挖掘算法中,如Apriori,FP-Tree,用户需设定一个阈值来从数据库中获取有用模式,但是现实中,用户很难给出一个适当的阈值。为了解决这个问题,Top-k频繁模式挖掘算法被提了出来。不同于设置阈值,用户只要设置希望得到的模式数量k,就可以得到价值排名靠前的k个模式。该算法利用向下闭合特性来缩小搜索空间,可以大大提高挖掘的处理效率。现实应用中比如超市零售数据分析中,商品利润和出现次数具有重要的意义。但是Top-k频繁模式挖掘算法不考虑上述特性。尽管可以借用效用值挖掘的概念加以解决,但它却不满足向下闭合特性。因此,无法利用向下闭合特性来提高效用模式挖掘的效率。近年来已经有人提出超估的方法,但是会产生大量的候选模式。在高效用模式挖掘算法中,减少候选模式的数量是个重要的课题。受此启发,本文提出了借助精确和预估算效用值提高阈值缩小候选集的Topk高效模式挖掘算法,本文的主要工作有:①提出了3种利用项目集的精确和预估有效值的策略来提高构建全局树时的效用阈值,缩小树的规模,节省了时间。②在构建UP-Tree之后,使用了一种新的策略再次提高阈值,使产生的候选模式更少。③与UP-Growth和TKU算法相比,本文的算法在识别最终的Top-k高效模式时,需要判断的候选模式和扫描数据库的次数更少。④对现实数据和合成数据的综合实验表明,本文算法具有较好的时间和空间性能。文章第一部分绪论介绍了研究背景,现状和内容;第二部分,简单介绍了数据挖掘的基本知识;第四部分,详细讲解了算法的过程;第五部分分析和展示了实验的结果。最后做了总结。

关键词：阈值高效模式候选集

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

一种节能的水声机会路由候选集优化算法

一种节能的水声机会路由候选集优化算法

作者：王鹏哈尔滨工程大学

学位级别：硕士

在能量资源受限的水下环境中,水声传感器网络（Underwater Acoustic Sensor Networks,UASNs）在传输数据的过程中,提高能量效率是UASNs要解决的重要问题之一。本文针对上述的问题通过对水下节点收发数据包能量消耗的差异性分析,提出一... 详细信息

在能量资源受限的水下环境中,水声传感器网络（Underwater Acoustic Sensor Networks,UASNs）在传输数据的过程中,提高能量效率是UASNs要解决的重要问题之一。本文针对上述的问题通过对水下节点收发数据包能量消耗的差异性分析,提出一种节能的水声机会路由候选集优化算法（Candidate Set Optimizing Algorithm,CSOA）。CSOA是对现有UASNs机会路由协议候选集形成过程的改进,主要解决候选集中冗余候选节点接收数据包能量消耗的问题。CSOA由两个阶段组成,分别是候选节点排序阶段和候选集生成阶段。在候选节点排序阶段,数据分组发送节点根据优化规范化值对候选节点进行降序排序。在候选集生成阶段,数据分组发送节点确定能量消耗最小的候选集为最优候选集。本文通过NS-3仿真平台对CSOA进行仿真实验,并将CSOA加入到已有的水声机会路由协议候选集形成过程中进行对比,实验证明了CSOA节约原有协议的网络总能耗,并且保证可靠性。

关键词： UASNs 机会路由协议候选集能量优化

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

字符候选集筛选算法评测方法研究

信息技术 2018年第1期42卷 100-104,109页

作者：李荣龙胡伟北京化工大学信息科学与技术学院北京100029

MSER连通域在文字检测方法中被大量使用,主要用于生成最初的文字候选集合,便于后续算法进行筛选。而MSER连通域的筛选算法的效果直接影响了整体文字检测的最终结果。目前只有对整体文字检测进行评价的数据集和方法,缺少单纯地针对MSER... 详细信息

MSER连通域在文字检测方法中被大量使用,主要用于生成最初的文字候选集合,便于后续算法进行筛选。而MSER连通域的筛选算法的效果直接影响了整体文字检测的最终结果。目前只有对整体文字检测进行评价的数据集和方法,缺少单纯地针对MSER筛选算法效果的评测机制。文中介绍了一个评测MSER候选集筛选算法效果的方法和框架。本方法首先应用基于森林的层次遍历算法遍历MSER候选集,然后随机着色同一层中的MSER候选集节点,挑选标记其中符合规范的区域,并标注结果为正样本,其余未标注部分为负样本,构建评测数据集。基于该数据集,可以评测各类筛选算法的性能。文中测试了MSER剪枝算法、深度学习和SVM分类方法来对候选集进行筛选并评测其效果,表明了评测方法和数据集的有效性。

关键词： MSER 候选集筛选算法评测

在线全文

学校读者我要写书评

暂无评论

基于群体兴趣的个性化推荐候选集构建

数字图书馆论坛 2017年第1期 51-56页

作者：石宇查梦娟梁宇邱惠武汉大学信息管理学院武汉430072 国网鄂州供电公司电力调度控制中心鄂州436000

对个性化推荐候选集构建方案进行优化,在保证对用户感兴趣项目覆盖率较高的前提下,压缩候选集规模,从而改善个性化推荐效果。采用融合用户群体兴趣与个性化特征的方法构建推荐候选集,先以用户群体兴趣为基础构建初始候选集,在此基础上... 详细信息

对个性化推荐候选集构建方案进行优化,在保证对用户感兴趣项目覆盖率较高的前提下,压缩候选集规模,从而改善个性化推荐效果。采用融合用户群体兴趣与个性化特征的方法构建推荐候选集,先以用户群体兴趣为基础构建初始候选集,在此基础上基于用户个性化特征对其进行过滤,生成推荐候选集。在模型构建的基础上,以电影数据为例进行模型效果验证。实验结果显示,该模型在覆盖率小幅降低的情况下,可将候选集规模压缩为原来的3.4%;该模型能显著提升个性化推荐的最终效果,因此该策略是一种较理想的候选集构建策略。

关键词：个性化推荐群体兴趣候选集

在线全文

学校读者我要写书评

暂无评论

一种求解对称TSP的简单候选集方法

深圳信息职业技术学院学报 2012年第1期10卷 12-17页

作者：邓苗林广明张基宏梁永生深圳大学广东深圳518060 深圳信息职业技术学院信息技术研究所广东深圳518172

TSP(旅行商问题)作为一种解决组合优化问题的有效方法,在近几十年来受到了广泛的研究。理论证明它是一个典型的NP难问题,为了更快捷地求解,候选集方法在多种求解算法比如LKH算法中都有用到,一般是用于产生一个接近局部最优的初始解,较... 详细信息

TSP(旅行商问题)作为一种解决组合优化问题的有效方法,在近几十年来受到了广泛的研究。理论证明它是一个典型的NP难问题,为了更快捷地求解,候选集方法在多种求解算法比如LKH算法中都有用到,一般是用于产生一个接近局部最优的初始解,较少用于寻路过程中。本文提出了一种新的简单的候选集方法,它采用一种新的距离度量,更好地符合了对称TSP的寻路规则。将其应用于最大最小蚁群算法(MMAS)的寻路过程中,实验结果表明针对对称TSP问题,该方法能比基本的MMAS取得更好的性能。这种候选集方法也可以用于其他求解对称TSP问题的进化计算。

关键词：对称TSP 蚁群优化最大最小蚁群候选集