一种基于映射簇的聚类分析算法

应用映射簇的概念来明确多维数据中簇与维度的关系,将聚类问题转化为映射簇问题;将采样技术与PAM相结合,根据曼哈坦距离计算数据对象之间和簇之间的距离实现聚类分析。此外,给出了相应的具体算法,并将该算法与k 中心点算法进行了试验比较。试验结果证明了该算法的有效性。

基于映射簇的Web数据挖掘研究

传统特征选择算法在多维Web数据中由于其数据对象自身固有的稀缺性而常常失效。在典型多维Web数据挖掘应用中,不同数据对象集合对于不同维度集合而言可能聚类会更好,且在每个簇的具体子空间中维度数将可能非常大。事实上,为所有簇查找出单个的小维度集合是不可能的。本文应用映射簇的概念来明确簇与维度的关系,将聚类问题转化为映射簇问题,从而简化计算提高挖掘效率。最后给出相应的算法。

α(半,准)同胚映射簇的乘积(英文)

证明了α，半，准同胚映射簇的拓扑乘积仍然分别是α，半，准同胚映射．

关于映射簇的公共不动点定理

本文继续文献[1]的工作,得出了可交换映射簇的另外两个公共不动点定理。

变分不等式问题和半压缩映射有限簇的强收敛定理

在Hilbert空间中,首先,构造了一种新的平行迭代方法用于逼近伪单调变分不等式的解集和半压缩映射有限簇的公共不动点集的公共元;其次,在适当假设条件下,证明了该算法生成的迭代序列的强收敛性;最后,给出具体的数值实验检验了所提出算法的有效性。

有限簇多值Φ-拟伪压缩型映射公共不动点的迭代程序

引入具误差的修正Mann和Ishikawa迭代程序及多值Φ-拟伪压缩型映射,在一致光滑实Banach空间证明了此迭代序列强收敛于具广义Lipschitzian连续的(一般未必连续或有界)多值Φ-拟伪压缩型映射有限簇的唯一公共不动点,统一和发展了包括王林和王刚(2006年)、周海云(2006年)、HUANG(2002年)、曾六川(2005年)、徐裕光(2004年)、张石生(2000年)和倪仁兴(2001和2002年)等近期许多相关结果.

包簇映射框架下的云资源分配优化算法研究

在云数据中心,资源分配是云计算系统应用中的核心技术。当前云计算资源在分配过程中,或多或少存在收敛慢、易早熟、资源分配效率低等缺点。为了解决该问题,引入包簇映射框架,提出基于混沌扰动遗传算法。该算法是将遗传算法和混沌搜索机制相结合,以降低成本和提高资源分配效率为目标,利用个体之间的差异性对种群进行初始化,改进种群的交叉变异和适应度函数。通过贪心修正进行合理的云资源分配,采用仿真软件CloudSim进行实验,对其性能进行实验分析。实验结果表明,该方法可以有效提高资源分配效率和收敛速度,具有较好的广泛应用价值。

基于包簇映射的云计算资源分配策略探究

随着社会经济的蓬勃发展,云计算领域也在逐渐扩张,其规模也在日益壮大,而越来越多的资源分配与管理方面等问题也凸显出来。与此同时,国内大多数云计算企业的数据管理资源部门通常以虚拟设备为工作中心,为客户提供所需的设备个数和匹配资源,包括储存卡、显示器等,甚至可能还要包含外显设施。因此,云计算企业应当在满足自身需求的同时,减少资源的浪费,利用现代计算模式重新评估云计算资源分配过程中的服务成本,以达到云计算行业绿色、节能的最终目标。据此,针对当下时代发展的要求,文章以云计算资源发展与分配现状为出发点,浅析了当前包簇映射框架,阐述了基于包簇框架的云计算资源分配策略,希望为未来云计算资源分配策略探究提供新方向。

L-凸空间的乘积空间内广义R-KKM型定理及其应用

在L 凸空间内引入了一类广义R KKM映射,对具有有限闭(紧闭)值的广义R KKM映射簇证明了一个广义R KKM型定理.作为应用,一个聚合不动点定理和一个匹配定理被证明.这些定理推广了近期文献中的结果.

FC-空间的乘积空间内R-KKM型定理及其应用

对具有紧闭值的R-KKM映射簇证明了一个R-KKM型定理.作为应用,一个聚合不动点定理和一个匹配定理被证明.这些定理推广了近期文献中的结果.

F格上的度量问题–第二类度量

本文研究了点式一类度量-第二类度量, 通过O2 − nbd映射簇对它进行了刻画,并进一步证明了它的诱导拓扑和它的余拓扑是一致的。另外,我们还证明了第二类度量是Q − CI的,最后,证明了L−实直线R(L)满足第二类度量和它的几个球映射的关系。

点式p.度量的等价公理及其应用

给出了点式p.度量在L格上的一组等价公理,通过定义O-nbd映射簇对它进行了刻画,同时还给出了它的一些其它性质及其它在L-实直线上的应用。

多级并行结构的NAND Flash存储盘设计

针对Flash长操作延时等特点,为提升吞吐率,采用多级并行架构,通过通道级、芯片级、逻辑阵列级和面级并行操作,并配以簇映射机制,设计了多级并行的NAND Flash存储盘,通过实际验证,基于多级并行结构的存储盘的读写性能取得一定提升。