采用适应性遗传算法进行数据聚类的研究

数据聚类(Clustering),是数据分析的重要前提和数据挖掘的重要应用基础之一.通过聚类可以将数据库中属性值一样的数据归类在一起.在切割式数据聚类的方法中,常用的算法是K-Means算法;但K-Means算法在处理大量的数据聚类时,无法妥善聚类以及对于重叠的数据点无法妥善处理.给出一种适应性遗传算法,它借助遗传算法拥有的随机多点搜寻的能力以及鲁棒性,搭配着选择、交配和突变流程,同时结合适应性的观念来解决K-Means算法的缺点.以适应性遗传算法来解决数据聚类的问题,从实验结果来看,适应性遗传算法的聚类结果优于传统的聚类方式.

TD-SCDMA移动通信中并发业务优化浅析

随着移动网络用户更多地使用数据业务,出现并发业务的概率越来越高。从并发业务处理机制入手,对并发业务流程进行详细分析,找出异常事件出现的原因,并对主要问题提出了优化解决方案。