检索结果-南通市图书馆

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

基于邻接多重表的动态频繁项集挖掘算法

计算机工程与设计 2019年第11期40卷 3090-3098页

作者：王志华刘绍廷罗齐郑州大学软件与应用科技学院

为解决传统的Apriori算法多次扫描数据库和多次连接带来的时间开销及加入新事务时未能实时动态更新频繁项集的不足,对传统Apriori挖掘算法和基于矩阵频繁项集动态挖掘算法的执行效率和空间利用情况的问题进行深入分析,提出基于邻接多重... 详细信息

为解决传统的Apriori算法多次扫描数据库和多次连接带来的时间开销及加入新事务时未能实时动态更新频繁项集的不足,对传统Apriori挖掘算法和基于矩阵频繁项集动态挖掘算法的执行效率和空间利用情况的问题进行深入分析,提出基于邻接多重表的动态频繁项集挖掘优化算法。将所有事务项映射到带有权值的邻接多重表结构上,通过遍历邻接多重表结构来挖掘频繁项集,在加入新事务时可以动态更新频繁项集。实验结果表明,该算法在执行性能上有一定提升,减少了内存开销,弥补了加入新事务时未能实时动态更新频繁项集的不足。

关键词： Apriori算法频繁项集邻接多重表动态更新内存开销

在线全文

学校读者我要写书评

暂无评论

一种最优特里树合并算法

计算机工程 2013年第5期39卷 5-11页

作者：熊帅常炳国李睿湖南大学信息科学与工程学院长沙410082

在一个内存有限的物理路由器上，可能需要部署几十个甚至几百个虚拟路由器。为节省内存开销，提出一种最优特里树合并算法。采用动态规划方法求解每棵特里树的初始合并节点和最优特里树的节点数，在动态规划计算过程中记录任意2个节点... 详细信息

在一个内存有限的物理路由器上，可能需要部署几十个甚至几百个虚拟路由器。为节省内存开销，提出一种最优特里树合并算法。采用动态规划方法求解每棵特里树的初始合并节点和最优特里树的节点数，在动态规划计算过程中记录任意2个节点达到最优匹配时的子节点排列，根据计算结果构造最优特里树。实验结果表明，与简单特里树合并算法相比，该算法能节省20％-90％的内存开销。

关键词：虚拟路由器特里树内存开销动态规划数据包分类

在线全文

学校读者我要写书评

暂无评论

面向栈式深度鲁棒图算法的内存优化技术研究

面向栈式深度鲁棒图算法的内存优化技术研究

作者：董子豪华中科技大学

学位级别：硕士

基于对等网络(Peer to Peer,P2P)的分散式存储网络是Web3.0的重要内容载体与核心组成部件。但P2P的匿名性引入了女巫攻击,为对抗女巫攻击及其变种,分散式存储网络常使用栈式深度鲁棒图(Stacked Depth Roubust Graph,SDR)算法减缓数据副... 详细信息

基于对等网络(Peer to Peer,P2P)的分散式存储网络是Web3.0的重要内容载体与核心组成部件。但P2P的匿名性引入了女巫攻击,为对抗女巫攻击及其变种,分散式存储网络常使用栈式深度鲁棒图(Stacked Depth Roubust Graph,SDR)算法减缓数据副本转换。但SDR算法的执行过程中生成的中间数据会占用大量内存,成为闲置设备加入分散式存储网络以及多个转换过程并行执行的主要障碍。目前在我们的调研范围内,针对该问题还未见任何解决方案。通过深入分析SDR的结构与算法执行过程,发现了其节点依赖关系固定以及节点渐进生成的特征。基于上述两个特征,提出了外存缓存型栈式深度鲁棒图(Storage Cached-Stacked Depth Roubust Graph,SC-SDR)算法。首先,针对节点依赖关系固定的特性,SC-SDR按使用时序,将中间数据顺序保存于外存之中,从而大幅降低了内存空间开销;与此同时,按顺序方式存取的中间数据,能够最大程度地利用外存带宽,从而保持较高的算法性能。此外,针对节点按序生成的特点,SC-SDR采用了渐进的内存分配机制,降低了多个并行执行的SDR算法过程对于内存空间的使用总量。基于上述两种内存优化技术,提出了最终内存优化算法SC-SDR,SC-SDR能够在大幅降低内存空间开销的同时维持较高的算法性能。实现了SC-SDR的原型并基于原型完成了大量测试工作。实验结果显示,当未采用专用指令集处理算法时,与原始SDR算法实现相比,SC-SDR能够将处理32GB副本的内存开销从64GB降低至192MB,即降低99.7%内存空间开销,并保持算法执行时间不变。当采用专用指令集处理算法时,在节省98.4%内存空间开销的情况下,算法执行时间约增加49%。

关键词：分散式存储栈式深度鲁棒图内存开销外存缓存

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

基于倾斜时间窗口的频繁项集挖掘算法研究

基于倾斜时间窗口的频繁项集挖掘算法研究

作者：徐艳红哈尔滨工程大学

学位级别：硕士

当今的信息社会的中,人们每天都要处理各种各样的信息和数据。随着信息的爆炸式增长,许多应用中需要处理的数据规模也越来越大,这些数据以快速的、大量的、按时间顺序连续到达,这种数据模式就是数据流。由于数据流的流动性和无限性的特... 详细信息

当今的信息社会的中,人们每天都要处理各种各样的信息和数据。随着信息的爆炸式增长,许多应用中需要处理的数据规模也越来越大,这些数据以快速的、大量的、按时间顺序连续到达,这种数据模式就是数据流。由于数据流的流动性和无限性的特点,原有频繁项集挖掘算法已很难完成基于数据流上的挖掘任务。这些挑战吸引了许多人对数据流中频繁项集挖掘进行了大量研究。现在,数据流中频繁项集挖掘已成为数据挖掘中的热点之一。FP-stream算法可以实现在线挖掘多时间粒度的频繁项集。作为一个经典的挖掘算法,FP-stream算法具有较好的时间效率。但它的不足之处在于:算法使用FP-growth算法来生成频繁项集和计算支持数,需要很大的内存开销和时间开销;整个挖掘过程中,所有的历史信息数据都存于内存中,随着时间的推移内存空间将急剧的膨胀。所以,内存开销巨大是FP-stream算法最大的缺点。针对上述问题,本文将在原算法的基础之上,采用一种新的数据结构(LR-Trie树及树结点)来存储频繁项集及其对应的倾斜时间窗口。同时引入了垂直的二进制向量表示法存储事务数据以提高时空效率。由于构造了新的树结点结构,可以方便地完成LR-Trie树的线性存储和结点查询。另外将LR-Trie树分割为若干子树并以文件的形式存储,在内存中建立项和文件的索引表,按需调入文件,极大地减少了内存消耗。实验表明,改进后的算法在不明显降低原算法时间效率的前提下,提高了内存空间利用率。该算法适用于对时间要求不高,但对内存空间要求较高的应用。

关键词：数据流频繁项集二进制向量 LR-Trie树内存开销

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

Hoare分类算法的效率改进研究

成都信息工程学院学报 1993年第1期15卷 37-43页

作者：张钟澍成都气象学院科研所

本文是一篇如何实现改进Hoare分类算法效率的方法研究。文中提出的一个新的快速分类的改进方案优于其它的快速分类算法,其平均分类速度是Hoare原算法的1.6倍左右,额外的内存开销仅为2*[log_2(N/10)]。文中还给出了在IBM-PC/XT微机上对... 详细信息

本文是一篇如何实现改进Hoare分类算法效率的方法研究。文中提出的一个新的快速分类的改进方案优于其它的快速分类算法,其平均分类速度是Hoare原算法的1.6倍左右,额外的内存开销仅为2*[log_2(N/10)]。文中还给出了在IBM-PC/XT微机上对大量随机数排序的实验结果。

关键词：分类算法时间化费内存开销

在线全文

学校读者我要写书评

暂无评论

DEM混合建模

计算机与数字工程 2019年第12期47卷 3137-3141页

作者：邹皓刘欣张甜甜四川省特种设备检验研究院成都610061 电子科技大学公共管理学院成都611731

基于GRID和TIN的优缺点,提出了GRID和TIN的混合建模模型,详细讨论了建立混合模型的步骤。最后利用OpenGL技术,对地形模拟区域进行了实验测试,并以时间消耗和内存开销为评价指标对GRID,TIN和混合建模方法进行了比较。结果表明,在分辨率... 详细信息

基于GRID和TIN的优缺点,提出了GRID和TIN的混合建模模型,详细讨论了建立混合模型的步骤。最后利用OpenGL技术,对地形模拟区域进行了实验测试,并以时间消耗和内存开销为评价指标对GRID,TIN和混合建模方法进行了比较。结果表明,在分辨率一定的情况下,混合建模的效率要高于TIN方法,小于GRID方法,在内存开销方面,TIN方法开销最大,混合建模次之,GRID建模方法最小,综合两方面因素可以看出,混合建模方法要优于TIN和GRID方法。混合建模模型既保持了矩形格网存储量小,易于管理、使用的特点,又继承了三角网能较好的顾及地貌特征的优点,起到了扬长避短的作用。

关键词： TIN GRID 时间消耗内存开销

基于Hadoop的海量学习资源云存储模型设计研究

在线全文

学校读者我要写书评

暂无评论

计算机应用与软件 2016年第12期33卷 23-25,44页

作者：郭松张岩沈阳体育学院体育信息技术系辽宁沈阳110102 沈阳师范大学计算机与数学基础教学部辽宁沈阳110034

由于多媒体技术不断发展,学习资源呈爆炸式增长,给资源存储提出了新的挑战。Hadoop平台对小文件的存储和访问存在内存消耗高、存储空间浪费等问题。针对这种情况,分析学习资源的特点,设计两级Hadoop模式,优化学习资源存储策略,提出基于... 详细信息

由于多媒体技术不断发展,学习资源呈爆炸式增长,给资源存储提出了新的挑战。Hadoop平台对小文件的存储和访问存在内存消耗高、存储空间浪费等问题。针对这种情况,分析学习资源的特点,设计两级Hadoop模式,优化学习资源存储策略,提出基于多层次Hadoop的学习资源云存储模型。并在实验室环境下搭建存储模型,对多类型的学习资源文件进行存储测试分析。分析结果表明,模型在存储空间、内存消耗和存储效率上较传统Hadoop模型有着明显的改善,适合海量学习资源的存储需求。

关键词：海量学习资源内存开销访问效率小文件云存储