搜索结果: 1-15 共查到“计算机科学技术基础学科 最近邻”相关记录23条 . 查询时间(0.239 秒)
基于LSH的高维大数据k近邻搜索算法
高维数据k近邻 局部敏感哈希 MapReduce 冲突计数排序
2015/10/13
局部敏感哈希(LSH)及其变体是解决高维数据k近邻(kNN)搜索的有效算法.但是,随着数据规模的日趋庞大,传统的集中式LSH算法结构已经不能够满足大数据时代的需求.本文分析传统LSH方案的不足之处,拓展AND-OR结构,提出通过索引而不比较原始数据直接实现高维大数据k近邻搜索算法C2SLSH.理论分析和实验证明,C2SLSH在分布式平台下具有稳定的可扩展性,在保证同等精确率的情况下,处理速度大约是...
基于压缩近邻的查重元数据去冗算法设计
重复数据删除 查重元数据 近邻压缩规则
2014/7/7
随着重复数据删除次数的增加,系统中用于存储指纹索引的清单文件等元数据信息会不断累积,导致不可忽视的存储资源开销。因此,如何在不影响重复数据删除率的基础上,对重复数据删除过程中产生的元数据信息进行压缩,从而减小查重索引,是进一步提高重复数据删除效率和存储资源利用率的重要因素。针对查重元数据中存在大量冗余数据,提出了一种基于压缩近邻的查重元数据去冗算法Dedup2。该算法先利用聚类算法将查重元数据分为...
基于局部近邻传播及用户特征的社区识别算法
近邻传播 社区识别 聚类
2013/10/16
提出一种将局部近邻传播和考虑用户特征的相似性测度相结合实现社交网络中的社区识别的算法。一方面，通过放松代表点约束条件及限制消息传播范围为节点的局部近邻，算法在降低时间和空间复杂度的同时保持较小的识别精度损失，从而能够适应社交网络挖掘需要；另一方面，通过将节点的拓扑相似度和特征相似度相结合来描述节点的综合相似度，使算法能够适应社交网络采样数据中用户关联信息不完整的情况。通过在人工数据集和真实数据集上...
为解决数据集中的单纯型连续近邻链查询问题，提出一种基于Voronoi图的查询方法。给出单纯型连续近邻链查询的定义，利用Voronoi图的性质对大量数据点进行精减，设计可准确查询出数据集中单纯型连续近邻链的查询算法。实验结果表明，随着待查连续近邻链所含数据点规模的增大，该方法的效率比传统基于R树方法更高。
为处理圆柱面和圆锥面上数据集的最近邻查询问题，提出利用Voronoi图进行查询和曲面转换2种解决方法。在圆柱面和锥面上构造Voronoi图，利用Vornoi图进行查询处理。将圆柱面和锥面转换映射为二维有界平面，给出转换规则和查询算法。对2种方法进行实验分析，结果表明，利用Voronoi图的方法适合静态数据集的最近邻查询，曲面转换方法对动态数据集的最近邻查询更有效。
针对入侵检测中的实时性问题，提出了一种采用压缩近邻法的高效入侵检测模型。该模型能够用于精简训练集，从而加快入侵检测系统的训练及检测速度，提高了系统的实时性。为了对该模型的训练集精简效果和检测性能进行验证，采用著名的KDD CUP99公用数据集进行实验，并对比了该方法和其他入侵检测方法的检测效果和检测时间。结果表明，该模型能够在大幅降低训练集大小的情况下，提升入侵检测的实时性，并保持较好的检测效果，...
基于文本—链接模型和近邻传播算法的网页聚类
文本—链接模型 MS模型 相似度 近邻传播聚类算法
2010/4/1
关于网页聚类的研究已经提出多种基于文本—链接模型的聚类算法，其中应用最广泛的便是MS模型。针对MS模型在效率和计算精度方面的不足，提出了改进的TLMS模型。新模型通过将词聚成词簇、链接向量聚成链接簇的方法将MS模型的词空间和链接空间进行大幅的压缩，并应用近邻传播算法替代传统的K-means算法对网页进行聚类。实验证明，TLMS模型+近邻传播算法聚类精度高、执行效率好。
近邻传播(AP)聚类算法面临的一个问题是不适用于多重尺度及任意空间形状的数据聚类处理。该文从数据分布特性的表征出发，提出了一种改进的近邻传播聚类算法AP-VSM (Affinity Propagation based on Variable-Similarity Measure)。首先，综合数据的全局与局部分布特性，设计了一种数据可变相似性度量计算方法，该度量可以有效地反映数据实际聚类的分布特性；...
改进GP分形理论的最近邻序列预测算法
GP算法 复自相关 最近邻预测
2009/12/10
针对现有的时间序列分析和预测算法中主观性太强的缺点，借助分形理论对时间序列作有效的分析。改进了分形理论中的GP算法和复自相关法的计算方式，从而使之更适合相空间的重构和预测，然后在重构后的相空间中选择累积采样轨迹的最近邻点作一次性的序列预测。提出的算法避免了人工过多的干预调整，通过在两个具体时间序列数据集上的验证，与其他预测算法相比，该算法的分析结果稳定而准确、预测精度高、运行时间比较短。
一种实时监控最近邻的近似算法
最近邻查询 分布式环境 近似算法
2009/11/4
处理分布式环境下高速数据的最大挑战在于如何利用少量网络资源输出高质量的查询结果。对面向分布式环境的最近邻查询问题进行了研究，提出了一种基于过滤器的新方法，不仅能计算精确查询结果，还能够处理五类近似查询。该方法在各个远程站点均安装了智能过滤器，并通过合理设置过滤器的范围来降低数据传输量。理论分析及基于模拟数据集合和真实数据集合的实验报告均表明新方法具有较高的性能。
基于近邻策略的旅行商问题求解
近邻策略 遗传算法 旅行商问题
2009/10/12
根据TSP问题的特征信息并借鉴邻域搜索算法的有关思想，提出了一种基于近邻策略的TSP问题求解算法，该算法首先依据TSP问题的特殊性求出相应的近邻模式，再将近邻模式用于初始种群的生成，而后在进化过程中随机引入这类模式。该算法可以大大缩短遗传进程，提高进化效率。通过仿真实验，验证了该算法的有效性，并且随着城市数目的增加其优越性更为明显。
新的基于最近邻聚类的属性离散化算法
离散化 最近邻聚类 粗集
2009/10/10
连续属性离散化是知识发现研究中重要的预处理过程，基于最近邻聚类和粗集的相关理论，提出一种新的有监督的多属性离散化方法。该算法分两个阶段来处理，首先利用最近邻聚类动态调整聚类的类别数，生成初始聚类。然后基于类信息的相似性定义合并相似区间，减少了聚类区间。通过实例分析，该算法是非常有效的。
基于P2P的自适应分布式k最近邻搜索算法
k最近邻搜索算法 度量空间 相似性查询
2009/9/27
k最近邻搜索算法无法满足数据挖掘的分布性、实时性和可扩展性要求，针对该问题提出基于P2P的自适应分布式k最近邻搜索算法(P2PAKNNs)。阐述GHT*结构，定义高维数据相似度函数HDSF(X,Y)，论述GHT*中的插入算法、范围查找算法和搜索算法。给出P2PAKNNs的实现过程，通过实验证明其正确性。
基于八叉树空间分割的k近邻搜索算法
k-近邻 八叉树 包围盒
2009/9/21
以三维扫描得到的散乱点云为基础，提出了一种基于空间八叉树的快速k近邻搜索算法，通过对点集建立包围盒，利用八叉树记录分割过程，从而使近邻点的搜索只局限于采样点所在的包围盒及其周围的包围盒，并通过剪枝策略使搜索范围进一步缩小。大量真实数据的实验结果表明：该算法可以很好地提高近邻点的搜索速度。