卞显福
- 作品数：8 被引量：20H指数：2
- 供职机构：中国科学技术大学软件学院更多>>
- 相关领域：自动化与计算机技术更多>>
- 基于邻域粗糙集组合度量的混合数据属性约简算法被引量：10
- 2020年
- 属性约简是一种重要的数据挖掘方法。为了对混合型信息系统达到更好的属性约简性能,提出一种邻域组合度量的启发式属性约简算法。邻域依赖度是构造混合信息系统属性约简的常用方法,根据粒计算的视角,在混合信息系统中提出邻域知识粒度用于评估属性的粒化能力。将邻域依赖度与邻域知识粒度进行结合,提出混合信息系统下的邻域组合度量,并将该度量方法作为启发式函数,提出一种属性约简算法。实验分析表明,该算法比混合信息系统的其他相关属性约简算法具有更高的约简性能。
- 盛魁卞显福董辉马健
- 关键词：属性约简
- 一种新的决策粗糙集最小化决策代价属性约简算法被引量：2
- 2020年
- 实际应用中存在着大量的数值型数据,然而传统的决策粗糙集只能够处理符号型数据,为了改善这一局限性,本文构造出一种模糊邻域决策粗糙集模型,并提出一种最小化决策代价的属性约简算法.文中首先将将模糊粗糙集和邻域粗糙集融入决策粗糙集中,提出了模糊邻域决策粗糙集,使得该模型同时具有模糊粗糙集和邻域粗糙集处理数值型数据的优点;然后基于该模型,给出一种决策代价定义,并提出相应的最小化决策代价属性约简算法;最后通过实验分析表明所提出的算法具有较好的代价敏感属性约简性能.
- 徐道磊陈培林唐轶轩吴尚路宇卞显福
- 关键词：模糊粗糙集邻域粗糙集属性约简
- MongoDB分布式集群云数据优化模式研究
- 2023年
- 集群云数据优化是未来数据中心管理需要解决的重要问题。目前,集群云数据管理水平不高,主要缺乏分布式集群对网络关键部分进行综合评判。文章对集群性能和容量分布式管理进行了研究,通过各个集群处理器和I/O网络交换,对通信和网络结构进行优化,以满足当前数据中心各通道之间并行化处理的功能,提高MongoDB分布式集群网络云数据传输和路径算法效率。把服务端节点接收指令的状态进行记录,形成字段,按照序号进行排序,提高了数据中心云数据信息的一致性、智能化水平。
- 卞显福
- 关键词：MONGODB分布式集群负载均衡
- 基于遗传模拟退火算法的药品零售大数据关联规则挖掘
- 2020年
- 针对药品零售大数据信息,提出一种基于遗传模拟退火算法的关联规则挖掘改进算法。首先以遗传算法为主体,模拟退火算法作为其辅助,在遗传算法选择操作、交叉运算和变异运算中融入模拟退火算法,实现对算法的设计;然后运用Python语言实现了算法,并通过对药品零售大数据关联规则挖掘,发现药品零售大数据之间的关联,有效地量化了药品之间的相关程度;最后对改进算法进行有效性和可行性测试。仿真实验表明,相比遗传算法,该算法的挖掘速快,挖掘质量高,有效地提高品零售大数据关联规则挖掘的性能。
- 盛魁马健马健卞显福
- 关键词：关联规则药品零售大数据遗传模拟退火算法
- 基于Zookeeper框架的数据集高可用性事务负载均衡调度优化
- 2024年
- 数据集高可用性是大数据环境下重要研究内容之一。目前,大数据服务平台数据集高可用性程度不高是影响系统运行效率的重要因素,主要原因是数据集事务调度效率低、事务一致性差、事务响应速度慢等。文章通过Zookeeper框架数据事务调度优化资源管理器响应机制,解决了负载均衡和事务响应超时等问题。通过微服务架构对事务资源进行管理,对数据结构进行优化,形成规范化接口,让中断机制能够发出正确的信息,满足不同环境下大数据平台资源调度要求,提高了大数据平台数字化、安全性、高可用性水平。
- 卞显福
- 关键词：事务资源管理器
- 面向SOAP架构的Web Service设计中的性能问题研究
- 2010年
- B/S和C/S项目设计中，性能问题已经成为关注的焦点。SOAP（Simple Object Access Protocal，简单对象访问协议）架构在系统设计过程中得到很好的应用，在SOA架构编程过程中需要对性能问题进行综合考虑。通过三层结构的分析，可以把系统业务逻辑集中在业务逻辑层提高系统的执行效率。在Web Service中可以优化XML数据访问策略，达到减少网络传输时间的目的。
- 卞显福
- 关键词：WEBSERVICE
- 基于AIS的网络入侵检测安全策略研究
- 2012年
- 基于AIS网络入侵检测安全策略设计过程中,需要对网路入侵检测模块进行分析,通过对异常检测问题和误用检测问题研究,发现系统漏洞。通过对否定选择算法、克隆选择算法、基因库优化算法的研究,达到优化网络系统性能,提高系统安全性的目标。网络入侵检测系统设计过程中需要从框架设计入手,建立动态自体集合,从而能够更好的发生系统漏洞,产生拒绝访问,保证网络系统的安全。
- 卞显福
- 关键词：AIS网络入侵
- 混合数据的邻域区分度增量式属性约简算法被引量：8
- 2020年
- 增量式属性约简是一种针对动态环境下的数据挖掘方法.目前已经提出的增量式属性约简算法仅适用于符号型的信息系统,而很少有对混合信息系统进行相关的研究,这促使在混合信息系统下构建相关的增量式属性约简算法.区分度是用于设计属性约简的一种重要方法,本文将传统的区分度在混合信息系统下进行推广,提出邻域区分度的概念,然后分别研究了邻域区分度在混合信息系统下对象增加和对象减少时的增量式学习,最后根据这种增量式学习分别提出了对应的增量式属性约简算法.UCI数据集上的相关实验结果表明,所提出的增量式属性约简比非增量式属性约简能够更快速的更新约简结果.
- 盛魁王伟卞显福董辉马健
- 关键词：混合数据区分度邻域关系增量式学习属性约简
