您的位置: 专家智库 > >

杨芮

作品数:6 被引量:15H指数:2
供职机构:郑州轻工业学院计算机与通信工程学院更多>>
发文基金:国家自然科学基金北京市重点实验室开放基金更多>>
相关领域:自动化与计算机技术更多>>

文献类型

  • 6篇中文期刊文章

领域

  • 6篇自动化与计算...

主题

  • 2篇数据融合
  • 2篇数据挖掘
  • 2篇空间数据
  • 2篇并行处理
  • 2篇查询
  • 1篇信息过载
  • 1篇信息熵
  • 1篇压缩感知
  • 1篇移动查询
  • 1篇食品
  • 1篇食品安全
  • 1篇数据融合方法
  • 1篇索引
  • 1篇索引研究
  • 1篇模糊查询
  • 1篇聚类
  • 1篇空间词
  • 1篇类间距离
  • 1篇关键词
  • 1篇关键词查询

机构

  • 6篇郑州轻工业学...

作者

  • 6篇张素智
  • 6篇杨芮
  • 4篇赵亚楠

传媒

  • 3篇湖北民族学院...
  • 2篇华中师范大学...
  • 1篇计算机技术与...

年份

  • 1篇2019
  • 2篇2018
  • 3篇2017
6 条 记 录,以下是 1-6
排序方式:
支持空间数据移动查询的索引研究
2017年
随着智能移动设备的普及,空间数据也随之呈现出几何级增长,结合空间对象位置和关键字的查询越来越受到人们的关注.然而,在之前的大量研究中多是假设空间词为不变的,但是在实际生活中,空间对象的位置有许多是移动的,这就可能导致查询结果不符合实际需求.针对上述状况,提出一种支持移动空间关键词查询方法.经实验验证,该方法具备一定的实用性,且查询效率有较大的提高.
张素智赵亚楠杨芮
关键词:空间数据
基于MPB-Tree索引的空间数据多关键词模糊查询算法研究被引量:4
2017年
随着具有定位功能的智能设备的大量使用,产生出海量的空间数据,每条数据中包含的信息越来越多,而以往的查询算法多数仅对单个关键词进行查询,已难以满足用户更为个性化的需求.为此,本文提出一种多空间关键词模糊查询算法,在该算法中,将以往的两维空间距离计算转化为莫顿码匹配提升查询效率,且与模糊查询算法融合支持查询的容错.实验结果表明,该算法的效率及准确性较以往查询算法有较大提高.
张素智赵亚楠杨芮
关键词:空间数据模糊查询
基于独立区域划分和压缩感知的数据融合方法
2019年
数据融合是将传感器中的信息按一定准则进行综合整理,从而获得对目标的一致性描述。压缩感知(compressed sensing,CS)技术能利用更少的数据和合适的重构方法得到更精确的原始信号。针对传统数据融合方法不能有效、精确地处理海量的数据,导致融合效果不理想的问题,为提高数据融合的效率和融合效果,根据压缩感知理论的特点,提出了一种基于独立区域划分和压缩感知的数据融合方法。该方法运用压缩感知理论对数据进行采样以获得测量值,并通过独立数据区域划分和负载均衡方法对样本数据进行划分从而形成联合区域。计算了互信息融合权重系数,根据压缩感知系数重构方法获取融合后的数据。仿真实验结果表明,对比传统的数据融合方法,该方法具有较好的稳定性和融合效果。
张素智杨芮陈小妮
关键词:数据融合压缩感知负载均衡信息熵
食品安全大数据的融合及分类并行处理技术研究被引量:9
2018年
食品安全大数据具有多源、高层次、强关联等特征,通过对食品安全大数据挖掘处理可快速高效地发掘数据的潜在价值,帮助提高食品安全态势感知及预测、病因性食品关联等综合分析能力.对食品安全大数据的融合及分类并行处理技术进行综述.介绍了食品安全大数据的来源、类型和特征并总结其关键处理技术;阐述了食品安全大数据预处理方法即数据融合技术;归纳了食品安全大数据挖掘技术,包括并行处理的三种计算模型以及多种聚类方法,如减法聚类、K-Means经典聚类、核聚类及谱聚类等;最后,对食品安全大数据未来的挑战和研究方向进行总结和展望.
张素智杨芮赵亚楠
关键词:数据融合并行处理数据挖掘聚类
推荐系统研究被引量:1
2017年
随着信息产业的飞速发展,信息资源的规模呈现出几何级的扩增,如何在这海量的数据中找出对用户有帮助的信息成为急需解决的问题.推荐系统作为解决互联网信息过载的主要途径之一,虽然经过多年的研究已存在多种推荐算法,也建立出了更为智能推荐系统,但是仍存面临着许多的难题,推荐算法仍是研究的热点.介绍了当前主要的推荐算法,指出了存在的不足,并说明了将来可能的研究方向.
张素智赵亚楠杨芮
关键词:信息过载数据挖掘
基于类内和类间距离的粗粒度并行AP聚类算法被引量:1
2018年
近邻传播(Affinity Propagation,AP)聚类是基于数据点间消息传递的算法,主要通过数据间的相似度实现聚类.与传统的聚类方法相比,AP聚类无需事先给定聚类数目就可实现聚类,因此具有快速高效的优点,然而在处理高维复杂数据集时存在随着聚类效率提升而准确度不高的问题.为改善AP聚类算法的效率和精度,提出基于类内和类间距离的粗粒度并行AP聚类算法——IOCAP.首先引入粒度思想将初始数据集划分成多个子集;其次对各子集结合类内和类间距离进行相似度矩阵的改进计算,最后基于MapReduce模型实现改进后的并行AP聚类.在真实数据集上的实验表明,IOCAP算法在大数据集上有较好的适应性,能在保持AP聚类效果的同时有效地提升算法精度.
张素智杨芮陈小妮李鹏辉
关键词:类间距离并行处理
共1页<1>
聚类工具0