内存数据库技术研究

内存数据库的体系结构、存储和索引结构、并发控制、故障恢复机制等,明显不同于磁盘数据库,很多磁盘数据库的设计思想和方法,很难适用于内存数据库。提出了新的存储结构,改进了传统的事务模型及恢复机制,提高了内存数据库运行速度和实时性。     

一种改进的并行关联规则挖掘算法

在FDM算法的基础上,提出了一种改进的并行关联规则挖掘算法FDM_DT,此算法利用DHP算法中的Hash表技术改进了2阶侯选项集的生成过程,并采用Apriori Tid算法中的Tid表技术对事务数据库中的事务数进行有效消减。因此,此算法在处理大规模数据时有较高的综合效率。     

一种基于环形队列大内存调度算法研究

本文真对操作系统内存容量的及操作系统对应用程序使用内存的限制的分析,提出了一种环形队列内存调度算法,设计及实现了环形队列的内存调度算法。     

多媒体数据库中的内存管理优化策略

本文以一个多媒体数据库系统原型为例，讨论对多种应用如何分别优化内存管理，使系统性能在整体上有所提高。文中出一种缓冲区管理算法，对于group数比较大的GSS磁盘调度策略可显著降低对缓冲区的需求，其缓冲利用率提高到接近100％．同时所需的缓冲区空间减少为接近原空间的50％。     

基于贝叶斯粗糙集的大数据频繁项挖掘技术

对大数据的频繁项集挖掘是关联规则挖掘的关键步骤,通过有效的频繁项挖掘提高大数据量数据库的访问效率。传统方法中对大数据的频繁项集挖掘采用FP-Growth的粗糙集挖掘算法,扩展性和容错性不好。提出一种基于贝叶斯粗糙集的大数据频繁项挖掘技术,引入后缀项表的概念,通过后缀项表的构建,保留频繁项集的完整信息。构建FP-Tree,生成闭频繁项集,计算样本的密度,并抽取高密度区域的点集作为聚类中心集合,进行后缀项表的构造,按支持度分成若干集合,对各约简集内的属性集合进行融合,用变精度粗糙集的贝叶斯粗糙进行数据挖掘算法改进,仿真结果表明,算法不受可变参数的影响,鲁棒性较高,数据挖掘的准确度较高,运行时间较短。算法将在人工智能和数据挖掘领域具有更广的应用前景。     

一种基于矩阵按位存储的Apriori改进算法

关联规则是数据挖掘的重要研究方向之一,Apriori算法是利用关联规则进行数据挖掘中的一个最经典的算法。通过对Apriori算法进行研究分析,发现该算法具有产生大量候选项集和多次扫描数据库的缺点。提出了一种基于矩阵按位存储的改进型Apriori算法,该算法将数据库中的数据读入内存,用矩阵按位存储数据,使用按位运算计算项集的支持数,提高了支持数计数的效率,从而提高了关联规则挖掘的速度和效率。     

基于关联规则的Apriori挖掘算法改进

关联规则挖掘是-种主要的也是用途最广的数掘挖掘方法.本文首先对关联规则挖掘及其经典Apriori算法作了介绍,然后针对Apriori算法的缺陷,提出了一种改进的关联规则挖掘算法,充分地证明了改进算法的性能优势.     

基于差分累积函数特征挖掘的数据库层析集成

对数据库查询指向性信息特征进行差分累积函数特征挖掘可以提高数据库的层析集成性能,通过数据库层析集成,应用在飞行姿态控制数据库控制系统中,提高数据指向精度,进而提高导航精度。提出一种基于差分累积函数特征挖掘的控制数据库层析集成算法,对数据库查询指向性信息特征进行差分累积函数特征挖掘,通过分层特征分解的方法,提取数据库的层析特征,通过内存管理机制,对所有数据实现统一管理,提高数据调度和控制精度。仿真实验表明,算法能提高数据库的层析集成性,提高数据指向精度,控制品质得到改善,姿态的控制精度提高25.86%,CPU利用率最高,实时性和鲁棒性较好。     

数据挖掘中关联规则算法的研究

Apriori算法是关联规则挖掘中的经典算法。通过对Apriori算法的基本思想和性能的研究分析,提出了一种基于垂直事务列表的树形结构的挖掘算法,减少了候选频繁项集的数量,提高了挖掘算法的效率。实验结果表明新算法具有良好的性能。     

小型内存管理系统的设计与实现

探讨了内存管理系统对内存管理的要求、内存管理存在的问题以及问题的一些解决策略,以实现对内存分配的快速,可靠和高效,同时介绍了一种可对内存空间实现多次分配,多次回收,对一些常用大小的空间实现高效率分配和回收的算法,并用JAVA语言加以实现。     

PFP-CM算法及其在Matlab中的实现

PFP—CM算法是一种基于投影FP—growth的Co-location模式挖掘算法。给出了如何利用关联规则挖掘算法快速挖掘Co—location模式的方法,描述了PFP—CM算法的工作原理,并给出了该算法在Matlab环境中实现的详细步骤。     

关联规则快速挖掘在CRM中的应用

交叉销售分析是CRM中的主要分析内容之一.提出了一种前件固定、后件受约束的关联规则快速挖掘算法,该算法的挖掘结果可以帮助企业利用销售情况好的产品促进其他产品的销售;同时提出了一种后件固定、前件受约束的关联规则快速挖掘算法,该算法的挖掘结果可以有效地帮助企业利用交叉销售方法为新产品开拓市场.仿真结果表明,这两种算法能够帮助企业快速准确地得到所需的信息.     

浅谈数据库优化

数据库优化的目标是避免磁盘1／0瓶颈、提高CPU利用率和减少资源竞争。本文从基本表设计、扩展设计和数据库表对象放置等角度进行讨论,着重讨论了如何避免磁盘1／0瓶颈和减少资源竞争。     

关联规则挖掘算法分析与探讨

关联规则挖掘算法是数据挖掘领域的主要研究方向之一。对几种经典的关联规则挖掘算法进行了分析、探讨和比较,给出了一种基于支持矩阵的、不需要产生候选项目集的算法设计思想。算法为事务数据库中的每个项目设置二进制向量,利用逻辑与运算构造支持矩阵来挖掘频繁项目集,极大地节省了存储空间,提高了算法运行效率。     

大数据网络分布式独立内存分配算法研究

传统的大数据内存分配算法因数据承载方式混乱等原因而存在运行速度慢、分配不均匀的问题,为此,研究一种新的大数据网络分布式独立内存分配算法.通过多层限制玻尔兹曼机堆叠形成数据库管理系统,并构建大数据网络分布式内存框架;然后利用无监督贪婪模式逐层训练方法构建并行框架,采用分布式存储的方法实现数据承载.同时,对较小内存Task...     

一种模糊关联规则挖掘算法的设计

设计了一种模糊关联规则挖掘算法——F-Apriori算法.在设计了支持度和置信度计算方法的基础上,该算法采用改进的Apriorl算法挖掘数值属性的关联规则.实验结果表明,算法在规则生成方面显示了良好的性能.     

伙伴算法在Linux内核中的应用及其改进

伙伴算法是内存管理的比较常用的算法之一。以Linux内存管理为基础,阐述了Linux内核中关于伙伴算法的应用。同时也指出了伙伴算法在内存管理方面的不足之处,针对具体的情况提出了具体的改进方法,使得该算法在具体的条件下更加高效。     

基于FP-Tree的挖掘最大频繁项目集的新算法

挖掘最大频繁项目集是数据挖掘领域的一个重要的研究内容。Apriori算法作为一种挖掘频繁项目集的基本算法,其缺点是产生大量的候选项目集,算法的代价很大。本文在基于FP-Tree的基础上提出了挖掘最大频繁项目集的新算法FP-GDMA。该算法采用自顶向下和自底向上相结合的搜索策略有效减少了生产候选项目集的数目,有效提高了挖掘最大频繁项目集的效率。并通过实验比较FP-GDMA与DMFIA算法。     

一种内存管理策略的研究和实现

针对一种需要动态维护拓扑信息的GIS叠加分析算法,有针对性地提出相应的内存管理策略。实践表明能有效提高算法实现层面的效率。     

Web结构挖掘的PageRank算法改进

分析了Web结构挖掘的PageRank和HITS算法,并介绍了一种对PageRank算法的改进。