基于hMETIS与FP-Growth的协同创新社区领域知识发现方法

基于在线社区的协同创新作为一种汲取用户智慧的有效机制，有利于企业发掘其产品创新方向．然而大数据时代下，信息过载及失真为社区中的知识获取带来了诸多挑战，且已有研究主要聚焦于利用价值较低的高频知识的提取．因此，为了充分挖掘用户经验与创新知识，本文基于社区知识间的共现关系构建了知识超图模型，并利用超图划分算法hMETIS对知识超图进行了探索性分析，同时结合关联规则算法FP-Growth进一步研究了知识间的关联关系，以此获取不同领域的价值知识．最后，本文通过一个实例证明了该方法的有效性．本文的研究实现了对社区知识的深度挖掘与分析，提出的领域知识发现方法对企业社区管理和产品创新极具指导意义．

一种应用于二次布局的有效划分方法(英文)

提出了一种基于二次布局的结合 MFFC结群和 h METIS划分的算法 .实验表明 :这种方法能得到很好的布局结果 ,但是运行消耗的时间比较长 .为了缩短划分在二次布局中运行的时间 ,提出了一种改进的结群算法 IMF-FC,用它在二次布局中做划分 .与前者相比较 ,这种方法虽然布局质量稍差 ,但速度更快 .

一种新的基于结群的混合模式划分方法(英文)

提出一种专用于带有预设计模块的混合模式布局的划分算法 .它基于扩展的MFFC结群算法 ,结合自下而上的结群和自上而下的划分为一体进行混和模式下的划分 .这样不仅可以使划分能够考虑电路本身的逻辑依赖 ,而且可以得到很好的“最小割”划分结果 .实验结果表明 ,这种划分算法在层次式混合模式布局流程里起到了显著的作用 .将此算法和当今国际上著名的划分包HMETIS进行比较 。

异构三维片上网络布局优化的超图划分算法

片上网络作为一种将大量嵌入式内核集成到单个晶圆片上的可行性技术,与传统片上系统相比,更能应对未来需要更大规模集成内核的挑战,从而得到了更广泛的应用。然而,目前大多数对片上网络的研究是在规则的架构上进行的,即假定所有单元片面积相同,但是这种假设过于理想化。因此,基于异构布局的三维片上网络的研究是非常有必要的,而其中网络单元的合理划分对片上网络的性能有着重要的影响。介绍了基于异构布局的三维片上网络架构,并将超大规模集成网络中的单元映射成一张超图,并且对此超图进行了多级划分。在算法框架的不同阶段,介绍了常见的算法,并且对相应算法的潜在问题进行分析,随后对这几种算法进行改进以提高片上网络的性能。最后,通过对几个常见的超大规模集成单元数据集进行实验分析,比较了不同阶段的算法对该片上网络各个性能的影响,并得出各个数据集上最优的hMetis算法框架。

基于超图模型的软件模块自动划分

应用超图理论模型设计软件模块的自动划分算法。通过分析软件源码建立超图模型,将类抽象为超图的顶点,使多个类之间存在关联,将软件模块划分转换为超图划分问题,再利用超图模型实现对超图的划分,从而达到软件模块划分的目的。基于高内聚低耦合原则给出模块度的概念,得到优化的分割结果。以开源软件为实验数据,并与传统的划分算法hMetis进行对比,结果表明该算法的划分结果较优,验证了其合理性与有效性。

基于无向超图的多蚁群聚类组合算法

介绍了一种基于无向超图的多蚁群聚类组合算法,该算法将单蚁群聚类算法的结果聚类组合成多蚁群聚类算法,用无向超图表示,结合超图划分算法Hmetis得到最终的聚类结果。文中给出了实验数据集和实验结果,证明该算法可以提高聚类效果并且减少孤立点。