基于特征本体的文本流主题演化

针对网络大数据时代文本流的主题演化研究大多基于经典概率主题模型,以词袋假设为前提导致主题的语义缺失问题和批处理问题,提出一种在线增量的基于特征本体的主题演化算法。首先,基于词共现和通用本体库WordNet构建特征本体,用特征本体对文本流主题进行建模;其次,提出一种文本流主题矩阵构建算法,实现在线增量主题演化分析;最后,依据该矩阵提出文本流主题本体演化图构建算法,利用特征本体的子图相似度计算主题相似度,从而获得文本流中主题随时间的演化模式。在科技文献上的实验上,满意度同传统在线潜在狄利克雷分配模型(LDA)不相上下,但时间复杂度降低到O(nK+N)。所提出的方法引入了本体,加入了语义关系标注,可图形化展现主题的语义特征,并在此基础上在线增量地实现了主题演化图的构建,在语义解释性和主题可视化方面更具有优势。     

一种基于分层图的改进SPFA算法

针对数据结构课程教学中顶点数受限的最短路径问题,提出一种基于图分层的改进SPFA算法——K_SPFA。借鉴图分层思想,将原图拓展为层数与顶点限制数相等的图层,将原图中的边拓展成图层间的边。利用2个同步循环的FIFO队列和贪心策略,对SPFA算法的数据存储结构和最短路径更新操作进行改进,从而实现原图中顶点数受限的最短路径寻找。实验结果表明,K_SPFA具有较低的平均时间复杂度。     

Pathfinder算法优化研究

Pathfinder算法是复杂网络分析及可视化的重要方法,但现有算法时间复杂度大,难以在大数据环境下广泛应用。提出一种基于Prim算法的Pathfinder优化算法,在求解复杂网络图的最小生成树的过程中,通过距离矩阵计算得到Pathfinder算法的结果图。算法时间复杂度可稳定为O(n2)。实验结果表明,在顶点数为500的稠密网络上,该算法的运行时间有较大的优势。     

基于混合概率分布的演化算法在电网负荷恢复中的应用

在电网恢复过程中最后的负荷恢复阶段,寻求全局优化的恢复方案通常都是NP完全问题.在综合考虑负荷恢复阶段中各种不同因素的基础上,建立了基于多目标多约束组合优化的数学仿真模型,并将参数可变的混合概率分布演化算法(EABHPD)引入到模型的求解.该算法通过改变分布函数的参数实现了负荷恢复问题求解精度与计算复杂度的折衷,并且避免了演化算法在搜索遍历过程中陷入局部最优解而过早收敛的问题.仿真实验结果表明算法具有良好性能.     

基于片类型和帧间预测的H.264去块滤波新算法*

在H.264/AVC视频编码标准中,去方块效应滤波器对改善图像质量和提高压缩效率起着重要作用,并能够有效地去除视频图中出现的方块效应,但却增加了计算的复杂度。在滤波过程中,边界强度（Bs）的计算量是最大的,几乎达到整个滤波过程的90%,为了简化Bs的计算复杂度,在分析了H.264的去块滤波原理之后,提出了一种基于片类型和帧间预测的H.264去块滤波优化算法。通过实验表明,该算法能够确保编/解码视频图像的质量,与JM8.6测试代码中标准算法相比,降低了近20%的滤波时间以及近10%的编码时间,这不仅有效地缓解了H.264的编/解码运算复杂度,而且更有助于视频序列实时传输的实现。     

基于链表的Dijkstra算法优化研究

迪杰斯特拉算法是图论中计算最短路径的经典算法,但在实际使用中该算法耗费大量的计算时间和存储空间。通过对传统迪杰斯特拉算法的深入分析,在计算时间和存储空间上对该算法提出了一种新的优化方案,并给出了优化后的详细算法。改进算法从消除冗余计算和冗余存储入手,采用链表数组作为存储结构。经算法复杂度分析,优化后的迪杰斯特拉算法在求解最短路径问题时在时间和空间复杂度上都有明显的提高。该优化算法操作性强,具有一定的实用价值。     

单源最短路问题高效算法探究

单源最短路问题是算法研究中由来已久的一个问题,在算法领域早期已经得到了较好的解决,但是在应用计算机语言实现的过程中往往不够优化．导致较高的时间复杂度和空间复杂度。从原始的迪杰斯特拉算法入手,进行透彻分析,在算法思想和实现方式上提出一种全面优化的算法方案,并给出了核心代码。实现过程中使用了堆的数据结构,并在具体的实现过程中进行灵活的优化。经过理论的算法复杂度分析,以及实际的数据测试,都证明全新优化后地单源最短路算法计算耗时非常少,空间复杂度也得到很大程度的降低．应用价值更强。     

HEVC中Merge模式候选决策的探究和优化

针对Merge模式中存在的运算时间长且计算复杂度高的问题,通过对候选PU的合并过程进行研究,提出了优化的候选决策算法。基于时域候选和空域候选决策算法在不同情况下对当前块的影响程度不同,自适应地改变候选决策列表来减少计算复杂度和提高预测精度。与标准算法相比,该算法在视频序列的PSNR值略有增高、码率减少的情况下,编码时间得到有效减少。而且该算法在提高HEVC编码率失真性能的同时有效降低了计算复杂度。     

大规模定制环境下产品版本管理的设计与实现

基于产品配置技术满足了大规模定制模式下日益增长的个性化需求,但在版本数量的巨大增长的同时,也对产品版本管理技术提出了更为苛刻的要求．提出一种父亲拷贝法的算法,以统一解决零部件对象演化和产品结构关系演化两类条件下的产品版本管理问题．与传统方法相比,父亲拷贝法在时间和空间复杂度上都有了很大的改进．该算法已应用于具体实践并取得了良好效果．     

单源最短路问题高效算法探究

单源最短路问题是算法研究中由来已久的一个问题,在算法领域早期已经得到了较好的解决,但是在应用计算机语言实现的过程中往往不够优化,导致较高的时间复杂度和空间复杂度。从原始的迪杰斯特拉算法入手,进行透彻分析,在算法思想和实现方式上提出一种全面优化的算法方案,并给出了核心代码。实现过程中使用了堆的数据结构,并在具体的实现过程中进行灵活的优化。经过理论的算法复杂度分析,以及实际的数据测试,都证明全新优化后地单源最短路算法计算耗时非常少,空间复杂度也得到很大程度的降低,应用价值更强。     

多变量预测控制结构分解的图论方法

预测控制算法的计算复杂度主要由变量个数和控制时域决定, 而大型复杂系统中变量个数较多将导致计 算量大的问题, 尤其在有约束预测控制的优化求解中增加较重的计算负担. 本文针对此问题利用邻接矩阵、可达矩 阵和关联矩阵梳理系统传递函数模型中变量之间的关联, 将有关联的控制变量划分为一个子系统, 进而将一个大系 统分解成若干独立子系统, 即可将一个高维度的优化求解问题分解成多个维度较低的子优化问题, 降低计算复杂度 以达到减少计算量的目的. 最后将其应用在多变量有约束的双层结构预测控制算法中, 通过仿真进行验证.     

一种改进的本体相似度综合映射方法研究

为了解决本体映射方法中计算量大、方法单一的问题,提出本体相似度综合映射方法。首先分解合适的本体,将规模比较大的本体分解为小本体,以降低映射计算的时间复杂度;然后根据本体映射的启发规则筛选出候选概念集,对候选概念集进行基于世界知识体系的本体概念相似度计算,再进行语义相似度和结构相似度计算,并把这3种不同算法得到的相似度值进行加权综合,给出最终的本体概念相似度值,再根据该值进行本体映射;最后通过设计实验来验证算法的正确性与有效性,结果表明本方法能在提高映射效率的同时保证良好的查询效果。     

基于Z-buffer算法优化的大型变电站场景模型快速线消隐方法

针对现有三维模型消隐方法面向大规模三维场景模型应用中存在的计算复杂、耗时长等缺陷, 本文提出了基于改进 Z-buffer 算法对大型变电站场景消隐的快速可视化方法。首先,为了简化计算,将场景模 型数据整合并重构;其次,通过透视投影变换将变电场景模型像素化;进一步,基于 Z-buffer 算法高效的像素 化计算特性提出了快速模型筛选方法,从而得到变电场景的子模型遮挡关系。最后,实验中将所得遮挡关系列 表融合现有消隐算法,结果表明本文提出的方法能够大幅度提升消隐的运算性能。     

大规模生物网络马尔可夫聚类的并行化算法

马尔可夫聚类算法（MCL）是在大规模生物网络中寻找模块的一个有效方法，能够挖掘网络结构和功能影响力较大的模块。算法涉及到大规模矩阵计算，因此复杂度可达立方阶次。针对复杂度高的问题，提出了基于消息传递接口（MPI）的并行化马尔可夫聚类算法以提高算法的计算性能。首先，生物网络转化成邻接矩阵；然后，根据算法的特性，按照矩阵的规模判断并重新生成新矩阵以处理非平方倍数矩阵的计算；其次，并行计算通过按块分配的方式能够有效地实现任意规模矩阵的运算；最后，循环并行计算直至收敛，得到网络聚类结果。通过模拟网络和真实生物网络数据集的实验结果表明，与全块集体式通信（FCC）并行方法相比，平均并行效率提升了10个百分点以上，因此可以将该优化算法应用在不同类型的大规模生物网络中。     

本体匹配的网格服务发现模型研究

如何从大规模网格服务集合中快速而准确地发现满足用户请求的服务,是语义环境下网络应用的一个重要方面。针对传统的基于关键字匹配的Web服务发现方法无法准确描述网格服务服务能力和应用领域的问题,提出了一种基于输入和输出领域本体的语义网格服务描述模型和基于本体匹配的语义网格服务发现流程,构造了基于本体匹配语义相似度计算的语义网格服务发现算法。实验结果表明,基于本体匹配的语义网格发现方法能够获得很好的查全率和查准率。     

基于模块化的大规模本体映射方法

映射效率对于动态映射的应用至关重要,因此文中提出基于模块化的大规模本体映射方法。通过加权的基于距离和基于信息量的方法计算本体概念的相似度,利用改进的凝聚层次聚类算法对概念进行聚类,并以此抽取子本体,最后设计基于信息检索的技术发现异构本体中的相关子本体。该方法有效缩小候选匹配的搜索空间,达到减少时间复杂度的目的。实验表明,文中方法可在保证映射结果质量的同时提升映射效率。     

基于关联规则的本体相似度综合计算方法

目前较为流行的最小风险的本体映射(RiMOM)框架通过采用“多策略”的思想虽然取得了一定的效果,但其框架比较臃肿庞杂,且采用的计算结构相似度的选择策略存在一定的局限性。针对上述问题,提出一种基于关联规则的本体相似度综合计算方法。首先,构造关联规则的结构“树”模型,得出相应事务集;其次,进行关联规则的挖掘,根据关联规则计算概念结构的相似性;然后,计算概念的实例、属性、名称的相似度;最后,对多个特征相似度进行综合加权处理,实现本体相似度的最优计算。实验结果表明,该方法较RiMOM在查全率、查准率方面均有较大提高;同时该方法省去了策略选择的步骤,有效降低了时间复杂度。     

基于邻接矩阵的Web服务组合

针对当前Web服务组合方法在动态性和算法时间复杂度方面存在的不足,提出一种基于邻接矩阵的服务组合方法,使用邻接矩阵表示服务间的顺序及并发关系,在构建抽象服务基础上由领域专家初步建立抽象服务的组合关系,利用Warshall算法计算传递闭包来判定服务请求是否可满足,同时构建动态服务组合流程。方法操作简单,Warshall算法时间复杂度为O(n3),在服务组合中有较好的实用性。     

基于压缩技术的子空间迭代法及在谱估计中的应用

提出了一种基于压缩技术和子空间迭代的特征向量迭代估计算法,由于该算法采用迭代形式,同目前的特征向量求解方法相比(如奇异值分解法),该算法计算量小、复杂度低、算法收敛速度快、易于实时实现,可对由信号构成的自相关矩阵的特征向量作出准确的估计。通过仿真实验可见该算法具有很高的估计精度。将该算法应用到MUSIC(multiple signal classification)谱估计中,通过计算机进行仿真对比可以看到,利用提出的算法进行谱估计精度要高于标准的MUSIC谱估计精度,且计算量大大减小,由此验证了算法的有效性和优越性。