文献搜索-钛学术文献服务平台

刊名：微电子学与计算机

发表时间：2016-05-01

摘要:

k-means聚类算法是在确定的聚类数k下对数据集进行聚类,通常凭借先验规则假定一个k值,取值具有很大主观性;此外,k-means初始聚类中心的选择一般也是随机的,这使得k-means聚类经常出现聚类指标局部最优化,聚类结果不稳定.针对以上两个问题,结合密度法改进了k-means初始聚类中心点的选择,并在此基础上提出了一种确定k-means最佳聚类数的方法.实验结果证明,该方法可以得到更好的聚类结果,具有更高的准确性、更好的稳定性以及更优的收敛性.

k-means聚类初始聚类中心样本密度聚类数

下载 0

被引 0

 获取原文

2.【期刊】一种基于关联规则的离群数据挖掘算法及其应用

作者：张璐璐贾瑞玉李学俊

刊名：计算机技术与发展

发表时间：2007-08-01

摘要:

文中基于对传统Apriori算法的改进,提出了一种基于规则的离群数据挖掘算法.该算法在数据结构中增加标识符链表后,计算了1-离群条件集的幂集,使得仅需对原数据库进行一次扫描,从而降低了该算法的时间复杂度.同时由于兴趣度的引入使得挖掘的结果也更有针对性和目的性.该算法被应用于某求职系统的离群数据分析中,实验表明该算法是可行有效的.

离群挖掘关联规则兴趣度 Apriori算法

下载 0

被引 1

3.【期刊】一个改进的基于DBSCAN的空间聚类算法研究

作者：李杰贾瑞玉张璐璐

刊名：计算机技术与发展

发表时间：2007-01-01

摘要:

DBSCAN是一个基于密度的聚类算法.该算法将具有足够高密度的区域划分为簇,并可以在带有"噪声"的空间数据库中发现任意形状的聚类.但DBSCAN算法没有考虑非空间属性,且DBSCAN算法需扫描空间数据库中每个点的ε-邻域来寻找聚类,这使得DBSCAN算法的应用受到了一定的局限.文中提出了一种基于DBSCAN的算法,可以处理非空间属性,同时又可以加快聚类的速度.

空间数据挖掘聚类密度非空间属性

下载 0

被引 0

4.【期刊】分形几何在图案造型设计中的应用

作者：贾瑞玉

刊名：安徽大学学报(自然科学版)

发表时间：1999-01-01

摘要:

主要讨论利用分形几何理论进行图案设计的方法,重点研究了两种基本算法,给出了实现过程及应用结果,这些在美术、服装、装潢等设计领域中有相当的应用价值.

分形学 IFS L-system Julia集 Mandelbrot集

下载 0

被引 17

5.【期刊】粒子群优化覆盖算法

作者：贾瑞玉宁再早

刊名：计算机工程

发表时间：2011-10-01

摘要:

在覆盖算法中,识别精度与泛化能力之间存在矛盾.为此,结合粒子群优化(PSO)具有的全局搜索能力,提出一种PSO覆盖算法.将领域覆盖算法中每一类样本形成的一组覆盖转化为粒子群,并在迭代过程中搜索出较好的覆盖粒子,从而得到一组个数较少且分类效果较好的覆盖.实验结果表明,该算法具有较高的分类识别精度及较优的泛化能力.

粒子群优化机器学习覆盖算法全局搜索泛化

下载 0

被引 8

6.【期刊】用神经网络来实现基于范例的推理系统

作者：倪志伟蔡庆生贾瑞玉

刊名：计算机工程

发表时间：2002-07-01

摘要:

范例推理与神经网络有一种自然的联系.神经网络有许多优点,利用神经网络来实现范例推理可以取得非常好的效果.文章首先详细探讨了在范例推理中使用的神经网络模型与技术,并给出了其上的搜索与学习算法以及数据挖掘算法,旨在提高范例推理系统的鲁棒性和知识获取的自动化程度.

范例推理神经网络 IAC网络数据挖掘范例检索算法学习算法

下载 0

被引 33

7.【期刊】粗糙集与遗传算法的虚拟企业伙伴选择

作者：贾瑞玉潘雯雯刘范范

刊名：哈尔滨工程大学学报

发表时间：2012-06-01

摘要:

针对虚拟企业伙伴选择过程中传统的属性权重设计方法过多依赖于主观经验的缺点,虚拟企业伙伴选择过程中决策因素多、信息量大、候选投标伙伴数量多等问题,提出一个基于粗糙集和自适应遗传算法的虚拟企业伙伴选择算法.利用粗糙集的知识熵,为潜在伙伴企业的样本数据集建立决策系统,使得在不需要任何先验知识的前提下,得到客观的评价指标的权值.同时,该算法将自适应遗传算法运用于最优伙伴的选择模型中.通过将该算法与标准遗传算法的实验结果对比,证实了该算法的可行性和有效性.

虚拟企业粗糙集知识熵自适应遗传算法伙伴选择

下载 0

被引 21

8.【期刊】基于MapReduce的量子蚁群算法

作者：贾瑞玉李亚龙

刊名：计算机工程与应用

发表时间：2013-08-01

摘要:

量子蚁群算法是在蚁群算法的基础上结合量子计算而提出的，该算法具有较好的全局寻优能力和种群多样性。应用MapReduce的key/value编程模型，将量子蚁群算法并行化，提出了基于MapReduce的量子蚁群算法（MQACA），并将其部署到Hadoop云计算平台上运行。对0-1背包问题的测试结果证明，随着数据规模的扩大和并行程度的提高，MQACA具有良好的加速比和并行效率。

量子蚁群算法云计算 MapReduce模型

下载 0

被引 3

9.【期刊】虚拟企业伙伴选择的遗传粒子群混合算法

作者：贾瑞玉刘开丽

刊名：计算机工程与应用

发表时间：2014-01-01

摘要:

针对标准粒子群优化算法易陷入局部最优的缺点，提出了一种遗传粒子群混合算法。通过对算法中惰性粒子和局部最优粒子分别进行交叉变异，以及消除粒子速度对寻优的干扰，从而避免了粒子种群单一化和局部最优的问题。将该算法应用于虚拟企业伙伴选择实验，结果表明在进化代数和最优值方面是令人满意的。

粒子群优化算法遗传算法伙伴选择

下载 0

被引 7

10.【期刊】基于密度权重Canopy的改进K-medoids算法

作者：陈胜发贾瑞玉

刊名：计算机工程与科学

发表时间：2019-10-01

摘要:

为了提高K-medoids算法的精度和稳定性,并解决K-me doids算法的聚类数目需要人工给定和对初始聚类中心点敏感的问题,提出了基于密度权重Canopy的改进K-medoids算法.该算法首先计算数据集中每个样本点的密度值,选择密度值最大的样本点作为第1个聚类中心,并从数据集中删除这个密度簇;然后通过计算剩下样本点的权重,选择出其他聚类中心;最后将密度权重Canopy作为K-me-doids的预处理过程,其结果作为K-medoids算法的聚类数目和初始聚类中心.UCI真实数据集和人工模拟数据集上的仿真实验表明,该算法具有较高的精度和较好的稳定性.

聚类密度权重数据挖掘

下载 0

被引 0

文献类型

学科分类

核心收录

年份

来源