基于云计算的Pagerank算法的改进

基于云计算的蚁群算法求解城市路网最短路径 杨庆芳 梅朵 韩振波 张彪 为了解决在求解城市路网最短路径时遇到的数据量大的问题,提出了基于云计算的蚁群算法.该算法结合了模拟退火算法,在弥补蚁群算法缺点的同时,与MPI并行蚁群算法相比,随着节点数的增加运行速度明显加快. 基于云计算的蚁群算法求解城市路网最短路径

基于云计算平台的随机森林算法的研究与实现 于延  王建华 随着网络时代海量数据的日渐普及,从中挖掘出有价值的信息成为当今社会的研究热点.本文针对构建随机森林的数据挖掘算法,提出了基于海量数据的分布式可扩展随机森林算法.该算法基于MapReduce分布式计算模型,可以高效地分析.处理海量数据,并且能够准确地对数据进行分类预测.大量的实验结果表明,本文提出的算法具有很好的可扩展性及高效性. 基于云计算平台的随机森林算法的研究与实现

基于群论的可信云计算平台的研究与改进 李磊 郑磊 张志鸿 云计算能减少公司在网络服务上的投资成本,但同时也存在让公司担忧的问题:云端的用户数据安整性.用户网络连接的可信性.云服务商的保密性等可信问题.提出一种改进的可信云计算机平台设计模型,该模型采用基于可信网络连接的网络接入控制机制,并在该机制中采用群笛卡尔积加密算法的密钥机制来实现vTPM的完整性验证模块.经过安全性分析证明该模型能够提高云服务商对用户接入的可信度. 基于群论的可信云计算平台的研究与改进

基于云计算的受限玻尔兹曼机推荐算法研究 郑志蕴  李步源  李伦  李钝 数据的指数级增长及算法本身的复杂性使受限玻尔兹曼机面临着计算效率的问题.在详细分析受限玻尔兹曼机的基础上,将受限玻尔兹曼机与Hadoop平台的并行计算架构相结合,提出基于云平台的受限玻尔兹曼机推荐算法.该算法通过复制机制解决数据相关性问题,并将传统的受限玻尔兹曼机过程分解为若干个Hadoop任务的循环,实现并行计算.实验结果表明,与在传统平台上的实现相比,基于Hadoop并行架构的受限玻尔兹曼机推荐算法在大体量数据集的条件

基于云计算的Web数据挖掘Map/Reduce算法的研究 王勃 徐静 Web数据挖掘通过收集网络中大量有效的数据信息,进行有效的分析,为实现最终信息化的自动处理功能奠定基础. 面对Web数据挖掘中处理大量的数据信息,尤其是数据量每日以几何数增长 ,其算法尤为复杂,存储量大等综合问题, 我们将云计算嵌入到 数据挖掘中去. 基于云计算的Web数据挖掘Map/Reduce算法的研究

基于云计算的神经网络在轨道交通调度中的应用 万荣泽  陈炯峰 轨道交通的合理调度是节能减排的重点,云计算环境下的轨道交通存在调度误差较大的问题.详细阐述了云计算相关理论,将云计算神经网络模型应用到轨道交通调度过程中,针对该模型进行求解,根据获取的最优解实现轨道交通调度.实验结果表明,利用改进算法进行轨道交通调度,能够极大提高调度的准确性,满足轨道交通的实际需求. 基于云计算的神经网络在轨道交通调度中的应用

基于云计算的数据查找与加密方案研究 于延,王建华,孙惠杰 云计算环境下的数据查找与加密技术是目前的研究热点.针对现有方案的不足,本文提出了一种改进的数据查找与加密方案.在数据查找方面,本文首先建立了身份管理模型,然后提出了基于权限的身份鉴别算法来实现从系统资源到身份数量之间的最优指派:在数据加密方面,提出了一种可计算加密方案 CES,该方案能支持云数据的模糊检索和基本算术运算,有效地对用户的敏感数据进行隐私保护.仿真实验结果表明,本文的方案是有效的,在加.解密性能以及存储与通信开销等方面要优于传

基于云计算的知识服务推荐系统研究 河南师范大学  种大双 云计算平台为推荐系统提供了天然优势.首先,云中的数据存储是集群化的,存储管理是虚拟化的,理论上为推荐系统提供了无容量限制的数据存储能力和高效的数据吞吐能力,推荐系统因此可以拥有能快速获取.海量的训练数据,得以提供优质的推荐结果;其次,云的分布式计算能力和物理资源虚拟化为推荐系统提供了较高的响应能力,这有助于为大量用户提供个性化推荐. 通过对知识服务.推荐系统.云计算相关技术的阐述,构建了个性化推荐系统模型,构建了云环境下的知识库,构建了用

一种基于云计算的业务规则匹配算法 刘 杰 研究业务规则匹配效率优化问题,由于企业业务规则数目多,逻辑变化复杂,内存消耗大,导致传统匹配算法效率低.为提高了业务规则匹配效率,将云计算理论中的节点共享和索引查询优化技术引入到Rete匹配算法中,产生一种根据云计算改进的Rete业务规则匹配算法.首先构建规则网络和事实,然后采用节点共享技术降低空间冗余,最后采用索引查询优化技术进行搜寻,遍历这个网络,从而提高匹配的效率.通过3个仿真对改进后Rete算法性能进行测试,仿真结果表明,改进Rete算法提高了业