基于映射关联规则算法的业务流程重组关键成功因素识别

试图采用关键成功因素管理方法来研究业务流程重组(BPR)的实施,在总结国内外学者对BPR关键成功因素研究的基础上,根据中国的实际情况,采用系统的思考方法,全面考虑与流程相关的其它组织要素的变革因素,提出了中国企业业务流程重组的关键成功因素:企业战略管理、业务流程管理、信息技术支撑、组织结构变革、企业人员管理和企业文化管理.在实证方法方面,提出了一种基于映射的关联规则改进算法(MBAR),该算法只需要经过一次数据库扫描,就能够得到所有存在数据库中的大项集,并应用于挖掘业务流程重组关键成功因素对BPR项目成功的影响,得出一些有意义的关联规则,例如:企业战略管理∧信息技术支撑∧人员管理→BPR项目的成功(支持度0.614,可信度0.706).

基于关联规则映射的生物信息网络多维数据挖掘算法

针对在生物信息网络中对复杂和大规模的数据集进行挖掘时所出现的算法挖掘精度低、运行速度慢、内存占用大等问题,提出一种基于关联规则映射的生物信息网络多维数据挖掘算法。该算法结合网络数据集之间的关联映射关系,从而确定网络数据集的关联规则,并引入挖掘因子和相对误差来提高算法的挖掘精度;根据多维子空间中数据集之间的关联程度进行子空间区分以及子空间内数据集区分,从而实现对不同数据集的有效挖掘。在实验中,对不同数据集数量下的算法内存占用情况、算法挖掘精度、算法运行时间进行仿真,从实验结果可以看出基于关联规则映射的挖掘算法可以有效地提高挖掘精度,在减少内存占用和提升计算速度上也具有一定的优势。

依赖关联规则映射的多维信息SDN数据中心优化

为了解决交换机静态分配给多维信息并且静态配置多维信息,因此流量动态可能导致响应时间长并且导致高维护成本问题,将多维信息SDN数据优化(SDN data optimization for multi-dimensional information,SDOMI)制定为在线优化,以最大限度地降低由多维信息集群的响应时间和维护所导致的总成本。通过应用随机固定水平控制(RFHC)框架,将SDOMI分解为一系列稳定的转移匹配问题,保证竞争比率的小损失。由于匹配问题是NP难的,提出了一种关联规则映射算法,它集成了匹配理论和关联规则映射中的关键概念,以有效地解决它。理论分析证明的算法在几十次迭代中收敛于近似最优Nash稳定解,并在多维信息之间实现更好的负载平衡。