朱辉生
- 作品数：34 被引量：105H指数：6
- 供职机构：泰州学院更多>>
- 发文基金：国家自然科学基金国家重点基础研究发展计划江苏省“青蓝工程”基金更多>>
- 相关领域：自动化与计算机技术文化科学经济管理更多>>
- 改进的频繁闭情节挖掘算法
- 2014年
- 为克服FCMMiner算法在挖掘频繁闭情节时存在的不足,基于最小且非重叠发生的支持度定义,提出一种事件序列上频繁闭情节挖掘算法FCM++。定义两种特殊的数据结构:频繁情节树(FET)、层头表(LH),采用广度优先搜索策略进行层扩展操作,扩展时将挖掘的频繁情节逐层压缩到FET和LH结点链中。通过动态维护FET及闭合性检查过程挖掘所有的频繁闭情节。实验结果表明,FCM++算法较FCMMiner算法有更高的挖掘效率,能有效地挖掘所有的频繁闭情节。
- 丁勇朱辉生高广银
- 关键词：频繁情节频繁闭项集
- 基于频繁闭情节及其生成子的无冗余情节规则抽取被引量：7
- 2012年
- 情节规则挖掘旨在发现频繁情节之间的因果关联,已广泛应用于传感器数据处理、网络安全监控、金融证券管理、事务日志分析等众多领域.针对一个事件序列上的无冗余情节规则挖掘,提出了算法Extractor.该算法采用最小且非重叠发生的支持度定义和深度优先的搜索策略来发现频繁闭情节及其生成子,保证了频繁闭情节及其生成子的挖掘质量和挖掘效率;利用非生成子情节的Apriori性质,避免了冗余的情节生成子判断;直接由频繁闭情节及其生成子产生无冗余情节规则,提高了情节规则的生成质量和生成效率.所进行的实验证实了该情节规则抽取算法的有效性.
- 朱辉生汪卫施伯乐
- 基于混合EHMM模型的数据流预测被引量：1
- 2014年
- 首先提出一种改进的算法NONEPI++,用于挖掘事件序列上非重叠发生的频繁情节;然后将每个频繁情节表示为相应的情节隐马尔可夫模型EHMM,并通过最大期望算法计算模型的混合系数,从而生成一个基于历史数据流的混合模型;最后,基于该混合模型预测目标事件类型出现的概率。实验表明,混合EHMM模型能有效地预测数据流。
- 丁勇朱辉生曹红根
- 关键词：频繁情节隐马尔可夫模型
- 基于局部相位量化特征与多尺度分类的分块人脸识别被引量：6
- 2013年
- 本文提出一种基于局部相位量化特征与多尺度分类相结合的方法进行人脸识别,该方法首先采用LPQ算子提取分块人脸灰度图象的LPQ直方图序列(LPQHS),然后采用PCA+LDA方法对采样后的特征数据进行降维,最后根据多尺度分类的原则进行分类识别.该算法不仅能够提取人脸纹理信息,而且能够大幅度地降低训练数据量,并且数据量的维数与原始图像大小无关.在ORL标准人脸数据库上的实验表明,该方法具有较高的识别率.
- 曹红根袁宝华朱辉生
- 关键词：人脸识别
- 普适的事件序列频繁情节挖掘方法
- 本发明提供一种普适的事件序列频繁情节挖掘方法，在给定事件序列、窗口宽度、支持度阈值和支持度定义的前提下，基于深度优先搜索方式和共享前/后缀树存储结构来挖掘事件序列上的所有频繁情节，挖掘过程中兼顾多种支持度定义包括窗口发生...
- 朱辉生陈琳李金海周爱平俞杨建
- 普适的事件序列频繁情节挖掘方法
- 本发明提供一种普适的事件序列频繁情节挖掘方法，在给定事件序列、窗口宽度、支持度阈值和支持度定义的前提下，基于深度优先搜索方式和共享前/后缀树存储结构来挖掘事件序列上的所有频繁情节，挖掘过程中兼顾多种支持度定义包括窗口发生...
- 朱辉生陈琳李金海周爱平俞杨建
- 进程及应用程序间通信的实现技术被引量：10
- 2004年
- 本文介绍了进程间通信与应用程序间通信的含义及相应的实现技术 ,并对这些技术的原理。
- 朱辉生
- 关键词：应用程序通信消息队列编程接口程序设计
- 事件序列上频繁闭情节的挖掘方法
- 本发明提供一种事件序列上频繁闭情节的挖掘方法，包括初始化频繁情节前缀树，扫描事件序列，计算频繁1‑情节，并将相应结点添加至频繁情节前缀树；以每个频繁i‑情节α为前缀、每个频繁1‑情节e为后缀进行情节增长，从而发现频繁(i...
- 朱辉生陈琳李金海周爱平于航李生
- 基于移动Agent的分布式路由算法研究
- 2004年
- 移动Agent技术能较好地适应Internet分布式的特点 ,将其引入网络分布式路由计算领域是对Internet路由系统的革新。本文指出了传统路由算法存在的问题 ,提出基于移动Agent的分布式路由算法 ,就路由表的初始化、通信网络中Agent的数量控制、网络链路故障后路由表的更新、后向Agent的消亡等方面进行了讨论 ,并进行了仿真实验和性能分析。
- 马常霞兰少华朱辉生
- 关键词：分布式路由算法移动AGENT技术网络链路路由表
- 基于前缀共享树的频繁情节挖掘算法
- 2014年
- 经典的频繁情节挖掘算法NONEPI及其改进算法NONEPI+存在时空复杂度高、"重复计算"等问题,基于最小且非重叠发生的支持度定义,提出一个基于前缀共享树的频繁情节挖掘算法PST_NONEPI,该算法采用深度优先搜索策略,将发现的频繁情节压缩到前缀共享树中,通过动态维护前缀共享树来发现所有的频繁情节。该算法只需扫描事件序列一次,大大提高了频繁情节挖掘的效率。实验证明,PST_NONEPI算法能有效地挖掘频繁情节。
- 丁勇朱辉生高广银
- 关键词：频繁情节
