论文研究基于并行数据挖掘平台的自适应算法推荐系统 .pdf

针对进化规划在进化搜索过程中存在较多非法个体这一问题，提出一种新的自适应进化规划算法。该算法根据混沌序列的特性，将混沌序列引入到进化规划的变异算子中。理论分析和实验表明，与基于Guassian变异的进

利用Prewitt基本原理定义了新的算法模板，根据待检测像素周围的3×3邻域的像素平均灰度值，结合人眼的视觉特征自适应地生成动态阈值，不仅保留了原Prewitt算法可并行处理、能够抑制噪声等优点，还提

提出了一种基于Fisher判据的自适应彩色图像量化算法。首先用八叉树算法把原始图像量化为256种颜色，然后根据人类的视觉特性，参照NBS距离与人类视觉对颜色差别的定量关系，自动确定初始聚类中心及聚类数

近邻传播聚类AP方法是近年来出现的一种广受关注的聚类方法,在处理多类、大规模数据集时,能够在较短的时间得到较理想的结果,因此与传统方法相比具有很大的优势。但是对于一些聚类结构复杂的数据集,往往不能得到

提出一种新的基于邻域平均直方图的快速高斯拟合函数参数估计的算法，对形态滤波后的邻域平均直方图进行峰谷检出，对各峰区数据单独进行截断数据统计分析确定拟合参数，较好地避免了多峰交叠所带来的干扰，从而实现了

Andriy Myronenko提出了一种自适应正则化的方法并将其应用于非刚性图像的配准，该方法在配准速度和配准精确度方面都取得了比较好的效果；但该方法对变形场初始值比较敏感，选择不当则会陷入局部极小

随着数据的爆炸式增长，传统的算法已不能适应大数据挖掘的需要，需要分布式、并行的关联规则挖掘算法来解决上述问题。MapReduce是一种流行的分布式并行计算模型，因其使用简单、伸缩性好、自动负载均衡和自

Master-Worker模式的并行关联规则挖掘算法，苗锡奎，，随着信息技术迅速发展，数据库的规模不断扩大，从而产生了大量的数据。如果使用传统的数据挖掘技术从这庞大的数据中挖掘出有价值

提出了自适应免疫量子粒子群优化并行算法。为了克服粒子群优化算法早熟收敛以及粒子在进化过程中缺乏很好的方向指导的问题，采用了量子技术以及免疫机制，从而获得了一个自适应免疫量子粒子群优化算法。同时，针对该

目前并行数据库的研究已经进入了实际应用阶段，而数据仓库的大数据量处理更需要并行处理能力的支持。针对数据仓库的特点，提出了一种可操作的并行化数据划分方法和物理存储方案，同时对基于该种数据存储的数据操作做