数据挖掘网格中决策树并行算法设计及性能分析

提出了C4.5决策树算法的一种并行算法,使传统的串行分类算法能在多台PC机和服务器组成的数据挖掘网格上并行数据挖掘. 采用数据纵横剖分,结合递归过程的并行化,实现了可扩展的高性能并行计算,解决了处理海量数据时没有较好并行分类算法的问题. 并给出了指导该并行算法高效计算的方法. 数据运行试验和算法分析表明,该并行算法的性能受多个因素影响,并具有高效的并行效率计算加速比.     

基于时空关系和关联规则挖掘的上下文信息缺失插补研究

上下文信息的缺失是上下文信息处理中不可避免的问题,缺失数据插补方法也是数据挖掘中的研究热点。但是,现有的缺失数据的插补方法不太适合上下文信息这一流数据形式,没有充分利用各传感器采集数据之间的关联性,而且在插补的过程中没有考虑传感器数据的时空关系。为了解决现存的缺失数据插补方法的缺陷和不足,该文提出了基于时空关系和关联规则挖掘的上下文信息缺失插补方法(STARM),对传感数据进行空间化和时间序列化,并生成强关联规则对缺失数据进行插补。最后,通过温度传感器采集数据验证了这一算法合理性和高效性。实验证明,该算法在上下文信息缺失估计的准确性要高于简单线性回归算法(SLR)和EM算法等,而且具有较小的时空开销,能够保证实时应用的服务质量(QoS)。     

基于证据理论的上下文本体建模以及不确定性推理方法

不确定上下文信息的表示与推理是研究和开发上下文感知系统的重点和难点。该文首次将证据理论和本体相结合,提出了基于证据理论的不确定性上下文本体建模方法,并对证据组合规则进行了修改,不仅解决了证据理论在高度证据冲突时的局限性,而且使得该推理模型具有自适应性,设计并实现了不确定上下文推理算法。最后,通过在原型系统中的医疗监护和诊断应用,验证了该方法的可行性、合理性和有效性。     

基于Parlay思想的智能业务平台

介绍了以软交换为核心的下一代通信网中的一种开放的业务接口规范Parlay,借鉴Parlay的呼叫控制模型的思想,对智能增值业务平台中的业务开发模式提出了改进方案。