一种基于信息熵离散化算法的研究

该文研究连续属性的离散化问题。首先，详细介绍了基于熵的离散化算法（EBD），并对其存在的问题进行了分析。随后，给出了用于度量区间密度的定义；接着，在自适应思想的启发下，对EBD算法进行了改进，提出了基于熵的变阀值离散化算法，区间密度的引入使得该算法能够随样本集在区间上密度的变化适当调整熵的阀值。实验结果表明，与EBD算法相比，改进算法不仅保持简单性、一致性和精确性，而且容易操作。

并行无存储冲突的邻接矩阵算法

邻接矩阵算法在科学计算与信息处理方面有着极为重要的应用，是图论的基础研究之一。针对目前邻接矩阵算法多是基于串行，或并行SIMD模型而无法解决存储冲突的问题，提出一种基于SIMD—EREW共享存储模型的并行邻接矩阵算法，算法使用O（p）个并行处理单元，在O（n^2／p）的时间内完成对n个数据点邻接矩阵的计算。将提出算法与现有算法进行的性能对比分析表明：本算法明显改进了现有文献的研究结果，是一种并行无存储冲突的邻接矩阵算法。

基于图形处理器的邻接矩阵算法

本文提出一种基于图形出理器的并行邻接矩阵算法,算法利用了图形处理器子素级的向量处理能力完成对n个数据点邻接矩阵的计算,将提出算法与现有算法进行的性能对比分析表明:本算法明显改进了现有文献的研究结果,是一种低成本的邻接矩阵算法。