基于多级图划分的协同过滤算法研究

为克服传统协同过滤推荐算法中存在的局限性,提出了基于多级图划分的协同过滤推荐算法。该算法在对系统中存在的产品使用多级图划分算法进行聚类的基础上应用协同过滤推荐算法对用户进行推荐。实验结果证明,该算法可以在对推荐准确率影响较小的同时有效提高推荐系统的效率。

矢量居民地多边形多级图划分聚类方法

针对复杂居民地多边形的信息挖掘问题,提出了一种多级图划分聚类分析方法,构造居民地多边形的图模型,并通过对图模型进行粗化匹配与重构、初始化分和细化得到聚类结果。首先构建研究区域内居民地建筑物的Delaunay三角网,生成包含研究对象之间的邻接信息图;然后结合空间认知准则和人类认知的特点,采用形状狭长度、面积比、凹凸性、距离和连通性5个指标度量邻接图的相似性;最后应用多级图划分方法,得到聚类结果。采用中国上海地区的居民地建筑物矢量数据进行聚类分析实验,并对比了改进的k均值算法(k-Means++)、具有噪声鲁棒性的基于密度的空间聚类算法(density-based spatial clustering of applications with noise,DBSCAN)和最小生成树(minimum spanning tree, MST)聚类算法得到的轮廓系数以及视觉效果。实验结果表明,基于多级图划分的居民地多边形聚类分析的结果更加符合人类认知。

硬件加速功能验证问题的DAG划分算法

功能验证是超大规模集成电路(very large scale integration,VLSI)设计的一个基本环节.随着超大规模电路的普及与发展,在单处理器上对整个电路进行功能验证在可行性和效率上都存在较大的缺陷.基于硬件加速器的功能验证是将整个电路划分成若干个规模更小的子电路;然后在多个硬件处理器上并行的执行功能验证.当电路划分结果的并行性较优时可提高功能验证的效率,缩短时间周期.类似电路设计中的其他划分问题,用于硬件加速功能验证的电路划分问题可以被抽象成图划分问题.相较于传统图划分问题,硬件加速功能验证的划分问题还需要保证较小的模拟深度和较高的调度并行性.为了满足硬件加速功能验证的划分需求,提出了一种基于传统多级图划分策略的有效算法.该算法结合调度思想,利用电路的关键路径信息和时序信息,将硬件加速功能验证问题转化为有向无环图的多级划分问题.随机电路网表数据的实验结果表明,所构造的算法可以有效的减少关键路径长度并且不会引起切边数的增长恶化.