基于节点编码的最小生成树算法

以图论和遗传算法为基础,提出了求最小生成树问题的基于节点编码的遗传算法.该算法采用Prufer数对最小生成树进行编码.初始群体由系统随机产生,在遗传操作中采用单点交叉操作及基本位变异操作.实例表明,该算法可得到多个最优解.     

最小生成树算法及其应用

最小生成树是数据结构中图的一种重要应用,对于具有n个顶点的带权连通图可以建立许多不同的生成树,也就是在所有生成树中总的代价最小的生成树。Kruskal算法和Prim算法是求最小生成树的常用算法。主要研究了Kruskal算法的实现过程及其应用。     

最小生成树的生成及应用

构造最小生成树可以有很多种算法,本文用克鲁斯卡尔(kruskal)算法实现最小生成树的生成,并且用具体的例子说明了最小生成树的使用价值。     

如何构造最小生成树

本文介绍了对于一个连通网,利用Prim算法构造一棵最小生成树的基本思想以及算法的具体实现过程。     

最小支撑树的DNA凝胶电泳算法

DNA计算是解决困难问题的一种很重要的方法。应用DNA计算解决图论中的最小支撑树问题。利用DNA的热力学特性,根据边的权长不同,给它们设计不同溶解温度的DNA链。根据温度的不同,电泳时DNA分子的形状不同,电泳的速度也不同,从而根据电泳速度分离出最小支撑树的所有边。在这里给出了5个顶点的赋权图为例来求它的最小支撑树,说明了该方法的简便性。     

基于向量融合的GPU算法

传统的光线投射算法能够得到清晰的体绘制图像,但由于其运行量巨大,导致速度慢,性能低。J.Krüger等人提出了基于GPU的光线投射算法大幅度地提高了绘制性能,但在图像融合阶段仍未能充分利用GPU的向量运算的优势。为此,本文将图像融合阶段部分标量运算转换为向量和矩阵运算,绘制性能得到了进一步提升。     

基于二跳生成树的可扩展分簇定位算法

着重设计了一种基于二跳生成树的可扩展分簇定位算法.首先对传感器网络进行分簇、并利用簇头节点构造一个二跳生成树;在此基础上,由簇头计算各簇成员节点的局部坐标;最后,从生成树根节点开始,自顶向下合并各簇,生成所有节点的全局坐标,完成节点的相对定位. 理论分析与实验表明,本算法相对于现有的SDGPSN算法,能够有效提高定位覆盖率和定位精度,减少时间和通信开销,并具有更好的可扩展性.     

改进的基于内积的最大频繁项集生成算法

针对传统的Apriori算法需要产生大量的候选项目集和多次扫描数据库的不足,提出了一种新的基于内积运算的频繁项集生成算法。该算法对事务数据库布尔化表示,通过内积运算搜寻矩阵行向量直接生成频繁项集,打破了频繁项集必须从低次到高次的局限,当频繁项集可能是大项集时,大大提高了搜索效率。     

联合树算法的研究与改进

贝叶斯网络是人工智能领域研究不确定知识的重要工具，联合树算法是一种应用广泛的贝叶斯网络推理算法。从基于消息传递的图模型、消息传递方案、计算效率、存储效率四个方面对联合树的三种算法进行比较。并对Hugin算法进行改进，通过具体贝叶斯网络的验证，改进算法能显著提高计算效率。     

对最小支撑树的两种捷径算法的探讨

图论中求解最小支撑树通常采用破圈法和避圈法,其基本原理是使其成为权数之和为最小的连通图。根据此原理,作者由此引申出两种新的算法,被称为＂最小权数保留法＂和＂最大权数去除法＂。     

一种基于GPU的快速Kirsch边缘检测算法

传统的Kirsch边缘检测算法的优化和实现都是针对常用处理器提出的。根据Kirsch算法的可并行计算的特点,本文提出了一种基于图形处理器GPU的快速Kirsch算法。快速算法根据GPU的并行结构和硬件特点,采用了纹理存储技术、多点访问技术和对称计算技术三种加速技术,优化了数据存储结构,提高了数据访问效率,降低了算法复杂度。实验表明,采用基于GPU的算法可将对图像的处理速度提高到传统Kirsch边缘检测算法的10倍以上。     

基于最大最小蚁群算法的虚拟机整合

云数据中心能量高消耗问题引起人们的关注,而动态的虚拟机整合为云数据中心的高耗能问题提供了新的解决办法,虚拟机的整合方法是让处于超载、欲超载、低载物理机上的虚拟机发生迁移,使迁移后的物理机处于关闭或低耗能模式。提出了一种最新的动态整合虚拟机方法 -基于最大最小的虚拟机整合算法(MMAS-VCM)来减少云数据中心能量消耗。通过MMAS-VCM算法对虚拟机进行动态整合实现多目标优化问题,减少虚拟机的迁移次数,减少云数据中心能量的消耗。通过cloudsim-3.0仿真实验验证MMAS-VCM算法在减少能耗和虚拟机迁移次数方面的性能大大提高。     

基于warshall算法的改进Clever算法

解决了Clever算法在Web超链接结构研究方面的一个问题：Clever算法在多重连续的超链接情况下忽略了用户的浏览行为,本文引入了可行性矩阵,提出了一种改进算法,同时应用Warshll算法解决了算法复杂度问题。     

基于Apriori的改进算法

关联规则的提取是数据挖掘中的重要研究内容,对关联规则提取中的Apriori算法进行了分析与研究,针对该算法的运算效率不高,对该算法进行了改进,提出了Apriori改进算法.Apriori改进算法采用二进制数据垂直表示方法,只用扫描事务数据库一次得到一阶大项集的二进制数据垂直表示.K阶候选项集的操作只要基于这个一阶大项集,而不需重复扫描数据库,从而提高了挖掘算法的效率.     

基于SOM的超文本自动生成算法

利用自组织映射网络（80M）可以实现文本聚类,在此基础上进一步对索引词聚类,从而可以得到文本聚类图和索引词聚类图。利用这两个图,就可以对普通文本进行超文本自组织,即对普通文本的某些知识点做超链接,以链接到与之相关的Web文档上。     

基于Bresenham算法的直线周期性生成

直线生成算法是计算机图形学基础理论的重要内容,对经典的直线生成算法进行了深入研究后,提出了一个新的直线生成算法.该算法充分利用直线上理想点与像素点之间误差变化的周期性,及线段自身的对称性,使Bresenham直线生成算法的执行效率有了大的提高.     

基于Spark的权重树随机森林算法

<正>point高维数据中很多特征所含有的分类信息少,面对这些数据,随机森林算法会产生很多分类能力弱的决策树,而其在集成决策树时无法差异化区分每一棵决策树,造成分类能力弱的决策树影响算法整体的分类性能。针对这一问题,提出一种权重树随机森林算法,依据权重对树进行集成,增强分类能力强的树对分类决策的权重,同时削弱分类能力弱的树对分类决策的权重,从而提高整个随机森林的分类决策性能。单机运行模式不能满足高效分类高维数据的需求,开源集群计算框架Spark能够内存     

最优树的生成法介绍

首先简要的介绍了有关树的概念,然后针对最优生成树,阐述了两种经典的算法和一种演生算法,并举例说明     

对生成树协议的研究

本文详细介绍了局域网中解决冗余链路、桥接回路和负载均衡的重要协议-生成树协议。并在充分理解生成树的基础上，研究了在生成树协议中，根网桥选取的重要性及其选取方法。     

基于GPU的数字图象处理

图形处理器(GPU)的飞速发展和革新成为计算机硬件发展的一大亮点。当前的GPU具有一定的并行性和可编程性,在诸如数字图象处理的通用计算领域的应用有着巨大的潜力。本文介绍了GPU发展的一些技术特点,分析和总结了用其实现数字图象处理算法的一些基本途径。