江西省教育厅青年科学基金(GJJ10119)
- 作品数：4 被引量：27H指数：3
- 相关作者：陈辉万常选廖国琼夏家莉更多>>
- 相关机构：江西财经大学更多>>
- 发文基金：江西省教育厅青年科学基金江西省自然科学基金国家自然科学基金更多>>
- 相关领域：自动化与计算机技术更多>>
- 功能替代实时事务模型的二重调度算法被引量：3
- 2011年
- 二重调度算法分析了功能替代实时事务模型的基本特征,提出一种动态记录系统实时环境的数据结构,进而提出快速执行事务内部调度的若干策略,包括最佳替代的选择策略、替代夭折策略及替代重启策略.实验结果证明,当系统能够存在资源冲突时,该算法能够显著提高事务的成功执行率和事务系统的可靠性.
- 夏家莉陈辉
- 实时任务优先级动态分配策略被引量：6
- 2010年
- 现有大多数方法都是根据任务的截止期、空闲时间或者价值(密度)来确定任务的优先级,很少综合分析以上各个因素对任务优先级的影响.论文研究任务价值密度和紧迫性的变化特征,提出优先级的动态分派策略DPA,该策略可通过参数p与q来调节任务价值密度与紧迫性对任务优先级影响的程度,从而满足不同应用需求.最后,仿真实验结果显示,应用DPA策略的基于优先级的调度可以提高系统累积价值收益,降低任务截止期错失率.
- 陈辉
- 关键词：价值密度
- 基于概率衰减窗口模型的不确定数据流频繁模式挖掘被引量：16
- 2012年
- 考虑到不确定数据流的不确定性,设计了一种新的概率频繁模式树PFP-tree和基于该树的概率频繁模式挖掘方法PFP-growth.PFP-growth使用事务性不确定数据流及概率衰减窗口模型,通过计算各概率数据项的期望支持度以发现概率频繁模式,其主要特点有:考虑到窗口内不同时间到达数据项的贡献度不同,采用概率衰减窗口模型计算期望支持度,以提高模式挖掘准确度;设置数据项索引表和事务索引表,以加快频繁模式树检索速度;通过剪枝删除不可能成为频繁模式的结点,以降低模式树的存储及检索开销;对每个结点都设立一个事务概率信息链表,以支持数据项在不同事务中具有不同概率的情形.实验结果表明,PFP-growth在保证挖掘模式准确度的前提下,在处理时间和内存空间等方面都具有较好的性能.
- 廖国琼吴凌琴万常选
- 关键词：不确定数据数据流频繁模式挖掘数据挖掘
- 挖掘数据流滑动时间窗口内Top-K频繁模式被引量：2
- 2010年
- 由于数据流滑动时间窗口中流数据包含模式的支持度是动态变化的,很难给出一个合适的支持度门限来挖掘数据流滑动时间窗口内的频繁模式.在研究数据流滑动时间窗口内流数据变化特点的基础上,论文提出了一种挖掘数据流滑动时间窗口内Top-k频繁模式的方法,该方法能够在保证模式挖掘误差基础上快速删除窗口内不频繁模式信息,保留重要的模式信息,并能按照支持度降序输出Top-k频繁模式.仿真实验结果表明,该算法具有较好的效率和正确性,并优于其它同类算法.
- 陈辉
- 关键词：数据流
