基于簇内簇间相异度的k-modes算法

为提高k-modes算法的精度并解决初始簇中心选择问题,提出一种基于簇内簇间相异度的k-modes算法(IKMCA)。基于簇内簇间相似性对相异度系数进行改进,给出初始簇中心自主选择的具体方法。提出的簇内簇间相异度系数考虑特征值本身的相异性与其它相关特征对它们的区分性。提出的初始簇中心自主选择方法可以自动确定聚类个数和初始簇中心位置。实验结果表明,提出算法在聚类精度、纯度、召回率上均优于经典k-modes算法及其变体算法。

基于非精确计算的多错误模式下的容错优化调度算法

实时系统中每个任务必须在其截止时间内产生逻辑正确结果。但是,由于过载并不保证 每个实时任务都能满足此要求。因此,适当降低实时任务精确度以及在错误发生时提供最大利用率 的容错优化方法以保证系统的实时性与可靠性变得非常重要。利用非精确调度中任务的可选部分为 强制部分的错误恢复提供潜在的时间容余,提出了在多个错误发生时既能保证报酬最大化又能提供 强制部分恢复处理的容错优化调度形式算法,并结合实例给出分析过程。