一种基于权值的序列模式更新算法

针对原始数据库中增加数据时如何更新规则的问题,提出并应用了一种基于权值的序列模式更新算法UW IUA。该算法利用权值来归约子序列集和利用知识数据库中保留的最小非大序列集产生新的候选序列集,避免了重复遍历原始信息库而造成数据量太大的问题,从而缩短程序运行时间和节约数据存储空间,较好地改进了算法性能。实验结果证明UW IUA算法的效率高于IUA算法。     

应用情景检测的安全任务内电压调度算法

针对移动嵌入式实时系统的低功耗设计,提出一种改进的应用情景检测的安全任务内电压调度算法。该算法利用任务程序少数参数的值域定义情景并在任务处理过程中进行检测,因而在处理在线的情况下,可较为精确地预测后续处理的部分路径,优化地调度处理电压。通过所提出的情景检测点设置算法,在任务程序中找到检测参数情景最合适的点,给出算法的实现方法。通过仿真实验证明该算法能有效地降低任务处理能耗。     

一种基于MapReduce的贝叶斯海量文本并行分类算法

面对海量数据带来的冲击,传统的单机版贝叶斯分类程序存在处理的数据集有限、内存瓶颈和耗时较长等问题.本文通过对朴素贝叶斯模型进行研究,设计并实现了一种基于Map Reduce的朴素贝叶斯文本分类算法.实验表明,该算法具有较好的扩展性和加速比,可适用于海量密集文本分类.     

核心词自动分阶的一种计算模型——以纳西族玛丽玛萨话为例

核心词分阶是判定同源关系的必要步骤.基于大规模语音对应数据库,我们提出并讨论一种算法模型,该模型计算核心词的核心程度,自动调整高阶核心词集和低阶核心词集,使得两阶词集在已知为同源关系的语言中,其分布与已知为接触关系的语言显著不同,即通过算法调整核心词集,使得有阶分布的显著性增加.这个算法模型的基本思路分为两个密切相关的部分:核心程度算法和两阶核心词调整算法.     

程序复杂程度定量量度新法--改进McCabe法

介绍了现在较为成熟的两种程序复杂度定量算法Halstead法和McCabe法,指出了这两种算法的不足,并借用McCabe法的思想,给出了更合理的且易操作的新算法--改进McCabe法,该算法不需绘制流程图;用主干环数量度程序复杂度.同时总结出降低程序复杂度的3种方法,供设计程序时参考.     

关于无向二部图最大匹配集矩阵算法的研究

提出一种采用矩阵理论求无向二部图最大匹配集的新算法 ,能够求出多个最大匹配集 ,对于完全二部图情况 ,该算法还能求出并计算可能存在的最大匹配集的总数 .     

集值决策信息系统属性约简与规则提取的矩阵算法

在集值决策信息系统中引入了优势矩阵和决策矩阵的概念,进一步建立了集值决策信息系统广义决策约简与规则提取的矩阵算法.算法利用矩阵间的比较提取所有决策规则,并同时得到所有广义决策约简.通过实例分析验证了该算法的有效性,说明了其优点是对数据复杂的决策信息系统也可相对容易地求出所有的广义决策约简与决策规则.     

集值决策信息系统属性约简的启发式算法

在集值决策信息系统中,通过引入信息量和条件信息量,对属性的重要性进行了定义.给出了分配约简（广义决策约简）的一种启发式算法：条件信息量约简算法,分析了该算法的时间复杂度,时间复杂度为O（｜A｜3｜U｜2）;最后通过例子说明,该算法能得到集值决策信息系统的一个约简.     

一种结合邻域信息的FCM图像分割新算法

提出一种结合邻域信息的FCM图像分割的新算法.将空间邻域信息引入隶属度函数,改进空间函数,并对隶属度进行上下截集半模糊化处理,最后修正隶属度的硬划分矩阵,提高了图像分割质量.实验结果表明,新算法在增强算法抗噪性的同时能够更有效地进行图像分割.     

信任传递的矩阵分解推荐算法

针对协同过滤推荐系统中数据稀疏性导致推荐准确性低下问题,提出信任传递的矩阵分解推荐算法.该算法利用用户社交网络的直接信任关系,基于信任传递思想,预测用户在社交网络中的间接信任关系,以解决社交网络信任关系的稀疏性问题.该算法使用填充后的社交网络信任数据,预测填充用户评分数据,以解决用户评分数据的稀疏性问题;将处理后的用户评分数据在基于正则化迭代最小二乘方法推荐系统中进行应用,取得良好效果.实验结果表明：使用Epinions数据集,相比传统的矩阵分解算法,该算法的平均绝对误差下降了10.77﹪.