检索结果-南通市图书馆

数据分析与知识发现 2017年第4期1卷 57-66页

作者：崔家旺李春旺中国科学院文献情报中心北京100190 中国科学院大学北京100049

【目的】调研基于关联数据揭示类簇内主题词间语义关系的模型和技术方法。【方法】利用Google Scholar、Springer、CNKI等检索与研究主题相关的文献,调研分析并梳理当前类簇分析和语义关系揭示相关研究,构建基于关联数据的类簇语义关系... 详细信息

【目的】调研基于关联数据揭示类簇内主题词间语义关系的模型和技术方法。【方法】利用Google Scholar、Springer、CNKI等检索与研究主题相关的文献,调研分析并梳理当前类簇分析和语义关系揭示相关研究,构建基于关联数据的类簇语义关系揭示模型,通过实验验证模型的有效性。【结果】实验结果表明,利用关联数据可以有效揭示主题词间语义关系,弥补传统共词聚类分析在语义方面的不足。【局限】受实验数据限制,目前揭示出的语义关系局限于上下位类关系、类与实例关系和相关关系等类型,未考虑关联数据质量问题对语义揭示结果造成的影响。【结论】提出的基于关联数据的类簇语义关系揭示模型可以有效揭示主题词间语义关系,为共词聚类结果的理解和分析提供一种新的方式。

关键词：关联数据共词聚类类簇语义揭示模型

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

基于类簇的命名数据网络路由机制研究

基于类簇的命名数据网络路由机制研究

引用

作者：杨爽哈尔滨工程大学

学位级别：硕士

目前,传统互联网络IP地址匮乏、地址二义性等问题日益凸显,为解决这种现象提出了 “未来网络”的概念。命名数据网络(Nameddatanetwork, NDN)作为未来网络最有潜力的候选方案,已成为研究的热点,而路由机制作为命名数据网络的基础机制更... 详细信息

目前,传统互联网络IP地址匮乏、地址二义性等问题日益凸显,为解决这种现象提出了 “未来网络”的概念。命名数据网络(Nameddatanetwork, NDN)作为未来网络最有潜力的候选方案,已成为研究的热点,而路由机制作为命名数据网络的基础机制更加值得探索。现有路由机制面向整个网络进行广播,对网络内容不进行分类,路由转发过程的盲目性较高,从而降低了路由效率。论文分别对路由策略的基础命名机制、路由策略、路由增强机制——缓存管理方法进行相应的研究与分析,并提升路由效率。已有路由策略主要面向全网络进行广播,从而导致了内容请求时延过长、路由查询效率较低等问题。为了解决上述问题,首先,提出了一种基于名称的索引机制,其将内容名称划分为二级结构,前缀及后缀。然后,根据前缀将网络内容划分为多个类簇,设计了一种基于内容的分类模型。在此基础上,论文提出了一种基于类簇的命名数据网络路由策略,其通过将一维横向路由查找变为二维纵向路由定位查找,降低内容请求时延,减少路由跳数以及转发冗余度,从而达到提高路由效率的目的。同时,当前命名数据网络缓存管理方法对于缓存空间未能进行划分,节点不具有主动选择权,这将导致网络内容不具有稳定性、节点缓存命中率较低等问题。据此,论文提出了一种基于空间划分与相似度的命名数据网络缓存管理方法,其将节点的缓存空间划分为稳态区与动态区,使网络中内容具有稳定性,为路由策略奠定了内容稳定的网络环境。在空间划分与相似度的结合下,平衡了节点对流行度高与流行度低内容的缓存情况,达到减少内容请求时延,提高缓存命中率的目的。与现有路由策略、缓存管理方法进行对比仿真实验分析,实验结果显示路由策略有效减少内容请求时延、路由跳数及转发冗余度;缓存管理方法有效提高缓存命中率的同时,减少内容请求时延。

关键词：命名数据网络类簇名称索引缓存空间划分内容相似度

来源：

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

面向数据流的密度峰值聚类算法研究

面向数据流的密度峰值聚类算法研究

引用

作者：翁佳桥南昌工程学院

学位级别：硕士

随着新一代信息技术的飞速发展,数据流成为主流数据形式之一,数据流挖掘随之成为热点。数据流聚类是数据流挖掘的一种,因其聚类过程无需先验知识,使得数据流聚类在数据流挖掘中大放异彩。密度峰值聚类(Density peaks clustering,DPC)算... 详细信息

随着新一代信息技术的飞速发展,数据流成为主流数据形式之一,数据流挖掘随之成为热点。数据流聚类是数据流挖掘的一种,因其聚类过程无需先验知识,使得数据流聚类在数据流挖掘中大放异彩。密度峰值聚类(Density peaks clustering,DPC)算法是一种基于密度的静态数据聚类算法,具有快速寻找类簇中心、不预设类簇个数、发现任意形状类簇等优点。传统DPC算法只用于静态数据处理,时间复杂度较高,无法聚类数据流。本文对DPC算法进行研究,将DPC算法处理静态数据上的优异性能扩展至数据流领域,主要研究工作包括三个方面:(1)针对传统数据流聚类算法聚类精度低、无法检测数据流簇进化的问题,提出基于密度峰值的进化数据流聚类算法(DPStream)。DPStream算法结合两阶段处理框架与DPC算法,引入密度衰减反映数据流近期演化信息;在线阶段借助核心微簇与潜在微簇反映类簇的生成、进化和衰退;离线阶段使用DPC算法对核心微簇进行聚类,得到最终的聚类结果。Python仿真实验中,DPStream算法的聚类纯度保持在95%以上,能较为优秀的完成数据流聚类。(2)针对DPC算法面对静态的密度分布不均和流形数据集时,易产生类簇中心寻找错误和非类簇中心数据分配错误的问题,提出共享K近邻密度峰值聚类算法(SKDPC)。SKDPC算法采用共享K近邻重新定义局部密度和制定分配策略;共享K近邻局部密度为数据K近邻范围内的相对密度,能精准的找出数据的类簇中心;共享K近邻分配策略根据相似矩阵分配非类簇中心数据,能避免分配时的连带错误。Matlab上的仿真实验表明,SKDPC算法能优秀地完成聚类。(3)针对传统数据流聚类算法不能有效聚类复杂形状数据流的问题,提出基于共享K近邻密度峰值的数据流聚类算法(SKDPStream)。SKDPStream算法首次将两阶段处理框架与共享K近邻方法相结合;在线阶段利用微簇对数据流概要处理,得到数据流近期演化信息;离线阶段通过共享K近邻方法得到微簇局部密度,找出类簇中心,然后根据微簇的相似度分配剩余微簇。Python上的仿真实验表明,SKDPStream算法能高效、精准的完成复杂形状数据流聚类。

关键词：数据流数据挖掘聚类密度峰值类簇两阶段处理框架共享K近邻

来源：

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

利用二次归并的Deep Web实体匹配方法

引用

计算机应用 2016年第8期36卷 2139-2143页

作者：陈丽君浙江越秀外国语学院网络传播研究所浙江绍兴312000

针对权重边剪枝(WEP)方法在准确率和匹配效率等方面的不足,通过引入自匹配和归并概念,提出一种基于二次归并的Deep Web实体匹配方法。首先,提取各对象的属性值,并按属性值重组对象,使具有相同属性值的对象聚集在一起,实现块的有效划分;... 详细信息

针对权重边剪枝(WEP)方法在准确率和匹配效率等方面的不足,通过引入自匹配和归并概念,提出一种基于二次归并的Deep Web实体匹配方法。首先,提取各对象的属性值,并按属性值重组对象,使具有相同属性值的对象聚集在一起,实现块的有效划分;其次,计算块内各对象间的匹配度,并据此进行剪枝、自匹配检测、归并,输出初步类簇;最后,以初步类簇为基础,利用簇内对象间传递的消息以及对象属性相似值,进一步挖掘匹配关系,触发新一轮的类簇归并与更新。实验结果表明,与WEP方法相比,所提方法通过自匹配检测,自动区分匹配关系并采取合适的匹配策略,使归并过程逐渐精化,提高了匹配准确率;通过分块、剪枝,有效缩减了匹配空间,提高了系统运行效率。

关键词：二次归并 Deep Web 实体匹配类簇相似值

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

无结构对等网络中基于内容的信息搜索机制研究

无结构对等网络中基于内容的信息搜索机制研究

引用

作者：张全信湖南大学

学位级别：硕士

随着对等网络技术的飞速发展,对等网络中共享的文本、图像、音频、视频等数据信息量正以惊人的速度增长,但当前对等网络信息检索仍采用文件名等关键字来描述文件内容,通过布尔运算匹配一组关键字来检索网络中的共享文件。这种方式已经... 详细信息

随着对等网络技术的飞速发展,对等网络中共享的文本、图像、音频、视频等数据信息量正以惊人的速度增长,但当前对等网络信息检索仍采用文件名等关键字来描述文件内容,通过布尔运算匹配一组关键字来检索网络中的共享文件。这种方式已经越来越不适应对等网络信息检索的要求,需要在现有的对等网络搜索机制中引入基于内容的信息检索(CBR),即将原来基于集中式数据库的CBR系统扩展到完全分布式的对等网络中来。P2P网络搜索算法包括结构化方法和非结构化方法。前者基于分布式Hash表算法,只能对关键字进行简单的匹配,不支持模糊查询,不适合基于内容的信息检索,所以本文采用了非结构化方法,在类Gnutella网络中,结合Small-world原理,分别从用户兴趣、共享文件内容等角度出发,将对等网络中节点按照相似性分组,并优先在组内查找,从而提高查询效率,减小带宽消耗。首先研究了一种典型的基于用户兴趣的分组策略,分析其优缺点并提出了一种改进搜索机制,利用历史反馈信息对分组进行动态调整,能够及时反映系统中各节点共享内容的变化,使得系统能够在管理、通信开销和搜索效率间达到较优的平衡。仿真实验表明改进后的搜索机制性能有了较大提高。接着提出了一种基于“类簇”的P2P网络信息搜索机制。其基本思想是将具有同类共享文件的节点连接起来,形成一个“簇”,簇内的节点都包含同一类的文件,所以又称为“类簇”;节点加入网络时,根据各类信息发起查询,以找到所属的类簇,不同的类簇之间建立快捷连接;搜索时根据查询请求内容查找路由表,选择查询转发方向,通过快捷连接,快速定位到目标簇。由于簇内节点都包含与查询内容相似的文件,故可在簇内广播查询;在搜索过程中进行路由表更新,以获得最新的路由信息。仿真实验表明,该基于“类簇”的搜索机制具有较好的搜索性能。最后设计开发了一个在对等网络中采用“类簇”搜索机制进行图像检索的客户端原型系统,介绍了系统框架、功能模块和查询应答消息的设计。

关键词：对等网络基于内容的信息检索兴趣域类簇路由表更新

来源：

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

K-means 算法在医院科研绩效评价中的应用

引用

福建电脑 2020年第8期36卷 110-112页

作者：沈金波郑富豪福建省立医院信息管理中心福州350001 福建省立医院科研处福州350001 福建省立临床学院福州350001 福建省老年医院福州350001

为优化医院科研绩效评价,提升科研管理水平,本文收集汇总2014—2018年医院科研人员成果情况,采用K-means聚类算法对科研工作绩效数据进行分析评价,得出医院科研绩效评价分为优秀、良好、合格等3个等级,聚类结果与医院实际科研现状较接... 详细信息

为优化医院科研绩效评价,提升科研管理水平,本文收集汇总2014—2018年医院科研人员成果情况,采用K-means聚类算法对科研工作绩效数据进行分析评价,得出医院科研绩效评价分为优秀、良好、合格等3个等级,聚类结果与医院实际科研现状较接近。这表明,聚类算法在科研绩效评价中应用可以提高医院科研管理的工作效率,聚类结果为医院科研管理者制定完善科研管理和评价考核制度提供依据。

关键词：聚类算法科研绩效 K-means 类簇

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

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

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：