• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    面向機(jī)器學(xué)習(xí)任務(wù)的調(diào)度方法研究

    2020-06-22 13:15:56孫景玉石振國
    軟件導(dǎo)刊 2020年5期
    關(guān)鍵詞:機(jī)器學(xué)習(xí)

    孫景玉 石振國

    摘 要:為了提高機(jī)器學(xué)習(xí)任務(wù)執(zhí)行效率并實(shí)現(xiàn)資源與任務(wù)的最佳匹配,在傳統(tǒng)調(diào)度問題理論基礎(chǔ)上對(duì)調(diào)度概念進(jìn)行拓展,提出一種新的問題解決方案。該解決方案包括基于任務(wù)數(shù)據(jù)相似性原理,對(duì)任務(wù)集進(jìn)行特征屬性提取,構(gòu)建以調(diào)度算法資源準(zhǔn)確率較高為評(píng)價(jià)目標(biāo)的數(shù)學(xué)模型。在考慮資源和任務(wù)匹配程度的前提下設(shè)計(jì)一種基于改進(jìn)的簡(jiǎn)化粒子群優(yōu)化的模糊C均值聚類算法,根據(jù)任務(wù)聚類結(jié)果設(shè)計(jì)新的基于機(jī)器學(xué)習(xí)任務(wù)聚類的任務(wù)調(diào)度算法。實(shí)驗(yàn)結(jié)果表明,構(gòu)建的數(shù)學(xué)模型在大多數(shù)情況下性能良好,優(yōu)化的聚類算法調(diào)用算法準(zhǔn)確率比傳統(tǒng)方法約高0.3~0.8個(gè)百分點(diǎn),能夠有效提高任務(wù)調(diào)度有效性。

    關(guān)鍵詞:機(jī)器學(xué)習(xí);任務(wù)調(diào)度算法;特征屬性;C均值聚類算法

    DOI:10. 11907/rjdk. 192349 開放科學(xué)(資源服務(wù))標(biāo)識(shí)碼(OSID):

    中圖分類號(hào):TP301文獻(xiàn)標(biāo)識(shí)碼:A 文章編號(hào):1672-7800(2020)005-0009-05

    0 引言

    近年來,隨著計(jì)算機(jī)計(jì)算能力的不斷提升,機(jī)器學(xué)習(xí)作為人工智能的核心技術(shù)之一,在越來越多的領(lǐng)域取得了令人矚目的成果。作為一門涉及概率論、統(tǒng)計(jì)學(xué)、凸分析等多領(lǐng)域的交叉學(xué)科[1-2],其具有非常廣泛的應(yīng)用范圍。與此同時(shí),飛速發(fā)展的互聯(lián)網(wǎng)也迎來了如何對(duì)大量閑置資源加以合理利用的巨大挑戰(zhàn)。在相對(duì)較低調(diào)度成本以及相對(duì)較高資源利用率的前提下實(shí)現(xiàn)任務(wù)的合理高效管理,并對(duì)任務(wù)進(jìn)行準(zhǔn)確、有效、高質(zhì)量的調(diào)度執(zhí)行已成為越來越多領(lǐng)域不斷追求的目標(biāo)。

    通常而言,調(diào)度問題指在一定約束條件和優(yōu)化目標(biāo)函數(shù)約束下,將相關(guān)任務(wù)排列后利用有限資源完成一系列任務(wù)的過程。它廣泛存在于現(xiàn)實(shí)生活的各行各業(yè),例如人力調(diào)度、衛(wèi)星調(diào)度[3]、負(fù)載均衡調(diào)度[4]等。在生產(chǎn)中就是組織執(zhí)行生產(chǎn)進(jìn)度計(jì)劃的工作,在車輛運(yùn)輸中就是在一定約束條件下制定行車路線使車輛有序到達(dá)指定地點(diǎn)[5]。

    本文在現(xiàn)有理論基礎(chǔ)上對(duì)任務(wù)調(diào)度策略進(jìn)行研究,對(duì)調(diào)度概念加以創(chuàng)新拓展,打破以往僅憑借經(jīng)驗(yàn)處理機(jī)器學(xué)習(xí)任務(wù)并匹配適用資源的局限,將機(jī)器學(xué)習(xí)任務(wù)與調(diào)度相結(jié)合構(gòu)造一種針對(duì)機(jī)器學(xué)習(xí)任務(wù)與適用資源之間的調(diào)度方法模型。機(jī)器學(xué)習(xí)任務(wù)形式多樣,但是追根究底都是對(duì)數(shù)據(jù)的處理與學(xué)習(xí)。不同的樣本數(shù)據(jù)即為不同的機(jī)器學(xué)習(xí)任務(wù),如何為提交任務(wù)調(diào)度適用資源即為本文研究目標(biāo)所在。本文首先介紹基于任務(wù)的數(shù)據(jù)相似性原理,提取能夠反映數(shù)據(jù)集內(nèi)部結(jié)構(gòu)特點(diǎn)的特征屬性,構(gòu)建以調(diào)度算法資源準(zhǔn)確率較高為評(píng)價(jià)目標(biāo)的數(shù)學(xué)模型;然后在考慮資源和任務(wù)匹配程度的前提下設(shè)計(jì)一種基于改進(jìn)簡(jiǎn)化粒子群優(yōu)化的模糊C均值聚類算法,根據(jù)任務(wù)聚類結(jié)果設(shè)計(jì)新的基于機(jī)器學(xué)習(xí)任務(wù)聚類的任務(wù)調(diào)度算法;最后通過實(shí)驗(yàn)分析驗(yàn)證該解決方案的可行性。

    1 調(diào)度算法資源數(shù)學(xué)模型構(gòu)建

    調(diào)度算法資源數(shù)學(xué)模型構(gòu)建是機(jī)器學(xué)習(xí)任務(wù)在執(zhí)行過程中的重要步驟。Schaffer[6]提出每個(gè)機(jī)器學(xué)習(xí)任務(wù)依次調(diào)用可供選擇的算法,然后選取準(zhǔn)確率較高的算法;Brodley[7]提出以專家知識(shí)為基礎(chǔ)的算法選擇方案。本文對(duì)樣本數(shù)據(jù)進(jìn)行分析,提取能夠反映樣本數(shù)據(jù)內(nèi)部結(jié)構(gòu)的特征屬性[8],從而得到一種衡量新任務(wù)與樣本庫中數(shù)據(jù)集之間關(guān)系的度量數(shù)學(xué)模型。該模型主要由二進(jìn)制化向量、屬性統(tǒng)計(jì)特征向量以及平均互信息量[9]3部分組成。通過與樣本庫中的數(shù)據(jù)集進(jìn)行對(duì)比,考量該任務(wù)與樣本庫中樣本集之間的關(guān)系,幫助機(jī)器學(xué)習(xí)任務(wù)調(diào)用適用算法,在一定程度上優(yōu)化了任務(wù)與資源匹配合理性,能夠有效提高調(diào)度算法資源效率。

    1.1 屬性向量二值化

    二值化算法只能針對(duì)離散數(shù)據(jù)進(jìn)行處理,因此需對(duì)連續(xù)數(shù)據(jù)加以轉(zhuǎn)換。為了盡可能地保持?jǐn)?shù)據(jù)的內(nèi)在結(jié)構(gòu),本文采用基于集成學(xué)習(xí)的無監(jiān)督離散化算法[10]和Song等[11]提出的離散化方法相結(jié)合的方式提取特征向量。該方法利用集成方式將CAIM算法離散化后的結(jié)果集成并得到最小子區(qū)間,采用保持近鄰特征的方式合并子區(qū)間,直到合并過程波動(dòng)最大時(shí)離散化停止。算法離散化的樣本數(shù)據(jù)在不同維度上的區(qū)間可視為不同屬性,將原始樣本數(shù)據(jù)D轉(zhuǎn)換到屬性空間,并將屬性值轉(zhuǎn)換為0和1,構(gòu)成樣本數(shù)據(jù)的二值化空間DB。在二進(jìn)制化過程中,為保證沒有語義信息丟失,需對(duì)屬性個(gè)數(shù)予以擴(kuò)充,并根據(jù)式(1)進(jìn)行轉(zhuǎn)換。

    其中,[ValueAi]是樣本數(shù)據(jù)中第i維的屬性,[CAi]為該維度上不同的屬性值。將每個(gè)實(shí)例屬性或者類標(biāo)簽按照式(1)進(jìn)行轉(zhuǎn)換,然后統(tǒng)計(jì)每個(gè)屬性值出現(xiàn)的頻率可得一項(xiàng)集,對(duì)兩個(gè)不同屬性取異或操作得到二項(xiàng)集合向量。二項(xiàng)集求取如式(2)所示。

    1.3 平均互信息量

    在概率論和信息論中,兩個(gè)隨機(jī)變量的互信息(Mutual Information,MI)是變量間相互依賴性的量度。Jakulin等[14-16]的研究表明可通過屬性間的交互分析數(shù)據(jù)集;Pritam等[17-18]也指出統(tǒng)計(jì)交互信息有助于深入分析數(shù)據(jù)集的潛在結(jié)構(gòu)以及屬性之間的關(guān)系。不同于相關(guān)系數(shù),互信息并不局限于實(shí)值隨機(jī)變量,它決定著聯(lián)合分布p(X,Y)和分解邊緣分布乘積 p(X)p(Y) 的相似程度。兩個(gè)離散隨機(jī)變量X和Y的互信息定義如式(7)所示。

    其中,[d{Vi,Vj}]、[d{Ai,Aj}]、[d{Ii,Ij}]分別為任務(wù)樣本數(shù)據(jù)集的二進(jìn)制化屬性、統(tǒng)計(jì)特征屬性和平均互信息量屬性向量距離,Pa1、Pa2和Pa3分別為各屬性向量距離參數(shù)。通過此數(shù)學(xué)模型,對(duì)比任務(wù)集與歷史樣本庫中數(shù)據(jù)集之間的相似性程度以及映射關(guān)系,找到最佳適用資源。

    2 任務(wù)聚類

    除通過分析任務(wù)集內(nèi)部特征構(gòu)建調(diào)度算法資源數(shù)學(xué)模型外,還需考慮任務(wù)需求及資源類型多樣,例如CPU、內(nèi)存等。任務(wù)類型有計(jì)算型任務(wù)、存儲(chǔ)型任務(wù)及網(wǎng)絡(luò)型任務(wù)等。因此,提出對(duì)任務(wù)端進(jìn)行聚類分析,設(shè)計(jì)一種基于改進(jìn)簡(jiǎn)化粒子群優(yōu)化的模糊C均值聚類算法對(duì)任務(wù)進(jìn)行聚類處理,提高任務(wù)調(diào)度匹配程度。

    2.1 簡(jiǎn)化粒子群優(yōu)化算法

    PSO算法是1995年由Kennedy & Eberhart首次提出的一種模擬鳥的群體智能優(yōu)化算法。它首先初始化一群隨機(jī)粒子,然后通過不斷迭代找到問題最優(yōu)解,具有收斂速度快、容易實(shí)現(xiàn)、調(diào)整參數(shù)少等優(yōu)點(diǎn)。

    迭代過程中,粒子速度及位置更新如式(10)所示。

    其中,[χid]是粒子當(dāng)前位置,[Pid]是搜索歷史中最優(yōu)點(diǎn)位置,[pgd]是整個(gè)種群中當(dāng)前最優(yōu)解位置,[c]為學(xué)習(xí)因子,[ω]表示粒子移動(dòng)快慢程度。雖然目前大多數(shù)PSO改進(jìn)算法都是基于“位置”與“速度”概念,但是粒子移動(dòng)速度大小并不能有效地趨近最優(yōu)解位置,反而可能造成粒子進(jìn)化方向偏離,從而導(dǎo)致后期收斂緩慢、收斂精度低。文獻(xiàn)[19]與文獻(xiàn)[20]證明基本粒子群優(yōu)化算法在進(jìn)化過程中與粒子速度無關(guān),簡(jiǎn)化粒子群算法結(jié)構(gòu)使得搜索過程僅由位置向量控制,避免了人為確定參數(shù)而影響粒子收斂速度和收斂精度。簡(jiǎn)化后的粒子群算法更新如式(11)所示。

    其中,[Pad]為所有個(gè)體最優(yōu)位置的均值。

    2.2 基于改進(jìn)的簡(jiǎn)化粒子群優(yōu)化模糊C均值聚類算法

    FCM算法是基于目標(biāo)函數(shù)的聚類過程,能夠更加真實(shí)地反映客觀世界,但也存在對(duì)初始值敏感和容易陷入局部最優(yōu)的缺陷。針對(duì)FCM算法缺點(diǎn),本文提出基于拉普拉斯加權(quán)系數(shù)[21]和PSO算法的優(yōu)化搜索能力對(duì)此進(jìn)行改進(jìn),通過計(jì)算樣本元素與聚類中心的距離獲得權(quán)系數(shù),有效提高聚類性能。目標(biāo)函數(shù)改為如式(12)所示。

    為了達(dá)到自適應(yīng)效果,從模糊矩陣u中分離出樣本矩陣[C=[cij,0]],[cij]表示模糊矩陣每列的最小值,矩陣C的映射函數(shù)[A=(Ai,icci-Ai)] 。求取兩個(gè)簇中心的歐式距離[dij=Ai-Aj],[lij=i-1nMjk-Aji=1nMik-Ai],若[dij]、[lij]小于事先給定參數(shù)值,則進(jìn)行合并,隨機(jī)生成新的聚類中心,重新進(jìn)行迭代計(jì)算。

    在利用PSO算法進(jìn)行優(yōu)化求解時(shí),算法中個(gè)體確定、編碼以及適應(yīng)度函數(shù)是解決問題的關(guān)鍵。選取每個(gè)粒子由K個(gè)聚類中心組成,維數(shù)為[w]。對(duì)聚類中心[Mi(i=1,2,?k)]進(jìn)行編碼,編碼長(zhǎng)度可表示為[K×w]。個(gè)體適應(yīng)度函數(shù)定義為[f=1(1+Jm)],其中[Jm]為樣本點(diǎn)到聚類中心的距離和,[Jm]值越小,個(gè)體適應(yīng)度越高,適應(yīng)度值大小代表了選取此聚類中心后聚類效果好壞。當(dāng)算法滿足最優(yōu)解對(duì)應(yīng)的目標(biāo)值保持不變或者小于設(shè)定的閾值[ε]時(shí),算法終止。

    綜上所述,改進(jìn)的簡(jiǎn)化粒子群優(yōu)化模糊C均值聚類算法(ISPO)求解過程如下:

    Step1:初始化聚類中心V,并對(duì)算法相關(guān)參數(shù),如聚類數(shù)目c、模糊因子m的值,迭代誤差[ε]等參數(shù)賦值。

    Step2:按照編碼原則生成初始種群。

    Step3:根據(jù)適應(yīng)度函數(shù)計(jì)算種群個(gè)體適應(yīng)值,計(jì)算權(quán)重系數(shù)S,更新隸屬度矩陣并修正新的聚類中心。

    Step4:計(jì)算目標(biāo)函數(shù)[JLFCM(U,S,V)]。

    Step5:判斷是否滿足終止條件,否則迭代執(zhí)行過程。

    3 基于任務(wù)聚類的任務(wù)調(diào)度算法設(shè)計(jì)

    任務(wù)調(diào)度算法設(shè)計(jì)如下:對(duì)每一個(gè)歷史樣本數(shù)據(jù)集進(jìn)行屬性計(jì)算,獲得對(duì)應(yīng)調(diào)度算法資源的度量值,將兩者對(duì)應(yīng)關(guān)系保存到數(shù)據(jù)庫中;然后依次應(yīng)用算法庫中的算法,對(duì)算法性能進(jìn)行評(píng)估,將評(píng)估結(jié)果最好的算法列為適用算法并保存到數(shù)據(jù)庫中,當(dāng)有新的任務(wù)需要執(zhí)行時(shí),根據(jù)精確度、執(zhí)行時(shí)間、CPU占用以及內(nèi)存使用情況等需求特性,對(duì)數(shù)據(jù)庫中調(diào)度算法資源度量值進(jìn)行排序后調(diào)用適用算法;再利用改進(jìn)的簡(jiǎn)化粒子群優(yōu)化的模糊C均值聚類算法對(duì)任務(wù)進(jìn)行聚類處理。任務(wù)調(diào)度算法步驟如圖1所示。

    4 實(shí)驗(yàn)及結(jié)果分析

    4.1 實(shí)驗(yàn)準(zhǔn)備

    本文實(shí)驗(yàn)數(shù)據(jù)采用UCI標(biāo)準(zhǔn)評(píng)測(cè)數(shù)據(jù)集,并采用交叉驗(yàn)證方法進(jìn)行實(shí)驗(yàn)。算法庫采用最常見的3種任務(wù)類型:分類模型算法包括決策樹模型、概率統(tǒng)計(jì)模型、懶惰模型等;回歸模型算法包括線性回歸、回歸樹、隨機(jī)森林等;聚類模型算法包括基于劃分聚類、基于層次聚類和基于密度聚類等。

    4.2 實(shí)驗(yàn)過程與結(jié)果分析

    4.2.1 樣本數(shù)據(jù)集特征向量

    表2表示選取的部分樣本數(shù)據(jù)集概要信息。

    4.2.2 調(diào)度算法資源數(shù)學(xué)模型評(píng)價(jià)

    針對(duì)同一任務(wù)可能適用多種不同算法資源的情況,實(shí)驗(yàn)基于K最近鄰算法思想,從數(shù)據(jù)庫中選出k個(gè)與輸入任務(wù)數(shù)據(jù)集最相似的數(shù)據(jù)集,再根據(jù)數(shù)據(jù)庫中數(shù)據(jù)集與算法之間的映射關(guān)系選出適用算法。k值的不同可能導(dǎo)致最終結(jié)果不同,因此設(shè)置鄰居個(gè)數(shù)k為1~9,計(jì)算所有測(cè)試數(shù)據(jù)集調(diào)用適用算法后的準(zhǔn)確率均值并記錄實(shí)驗(yàn)結(jié)果。由圖2發(fā)現(xiàn),準(zhǔn)確率隨著鄰居個(gè)數(shù)k的不斷增大先迅速上升后趨于平緩。由此可知,當(dāng)鄰居個(gè)數(shù)超過某一界限時(shí),調(diào)度算法的準(zhǔn)確率變化趨于穩(wěn)定。因此,為了節(jié)約成本,鄰居個(gè)數(shù)k值選擇圖2中趨于平緩的界值即可。

    測(cè)試任務(wù)集調(diào)用算法準(zhǔn)確率如圖3所示,包括最佳、最差以及平均推薦準(zhǔn)確率。可以看出,測(cè)試任務(wù)集平均最佳調(diào)度準(zhǔn)確率約為82.15%,除個(gè)別任務(wù)數(shù)據(jù)集調(diào)度準(zhǔn)確結(jié)果不理想外,大部分測(cè)試數(shù)據(jù)集調(diào)用準(zhǔn)確率均能達(dá)到80%及以上。而且,與傳統(tǒng)“Win-Draw-Loss”策略(WDL)相比,該算法平均精度約高出0.3%~0.8%。

    4.2.3 改進(jìn)的簡(jiǎn)化粒子群模糊C均值聚類評(píng)價(jià)

    為了測(cè)試算法性能,本文利用UCI數(shù)據(jù)庫中經(jīng)典Iris和Wine數(shù)據(jù)集,將改進(jìn)的簡(jiǎn)化粒子群模糊C均值聚類算法IPFCM與傳統(tǒng)FCM算法以及傳統(tǒng)PSO算法優(yōu)化的模糊聚類算法PFCM進(jìn)行比較。在實(shí)驗(yàn)中設(shè)置粒子群規(guī)模為50,聚類數(shù)目為3,模糊因子為2,對(duì)每種算法做30次實(shí)驗(yàn)并取平均值,結(jié)果如表5所示。

    從整體角度分析,傳統(tǒng)FCM算法方差較大,容易受初值選取影響,而且目標(biāo)函數(shù)值下降迅速,容易陷入局部最小值,聚類效果較差。PFCM算法采用了優(yōu)化處理,聚類效果較好,但是可能出現(xiàn)早熟收斂情況。本文改進(jìn)的IPFCM算法提高了優(yōu)化搜索能力,避免了人為確定參數(shù)而影響粒子收斂速度和收斂精度,從而在準(zhǔn)確率方面優(yōu)于傳統(tǒng)FCM算法和PFCM算法。由圖4和表5實(shí)驗(yàn)結(jié)果可以發(fā)現(xiàn),不同搜索過程適應(yīng)度函數(shù)不同,目標(biāo)函數(shù)也會(huì)不同。并且,IPFCM算法在精確到一定程度時(shí),搜索速度相對(duì)較快,聚類效果更好。

    5 結(jié)語

    本文通過構(gòu)建調(diào)度算法資源數(shù)學(xué)模型并設(shè)計(jì)一種基于改進(jìn)的簡(jiǎn)化粒子群優(yōu)化的模糊C均值聚類算法對(duì)任務(wù)內(nèi)部結(jié)構(gòu)特征及任務(wù)性能特點(diǎn)進(jìn)行分析,讓具有不同偏好的任務(wù)與具有相應(yīng)性能特點(diǎn)的資源進(jìn)行匹配,從而在一定程度上提高任務(wù)執(zhí)行效率。通過調(diào)用算法資源數(shù)學(xué)模型,為提交的任務(wù)數(shù)據(jù)集選擇算法庫中的適用算法。實(shí)驗(yàn)結(jié)果表明,大多數(shù)情況下該調(diào)度算法是有效可行的,改進(jìn)的聚類算法也能夠在一定程度上彌補(bǔ)FCM算法缺陷,從而有效提高任務(wù)調(diào)度有效性。

    參考文獻(xiàn):

    [1] 陳凱,朱鈺. 機(jī)器學(xué)習(xí)及其相關(guān)算法綜述[J]. 統(tǒng)計(jì)與信息論壇, 2007, 22(5):105-112.

    [2] TOM M.MITCHELL. 機(jī)器學(xué)習(xí)(計(jì)算機(jī)科學(xué)叢書)[M]. 北京:機(jī)械工業(yè)出版社,2014.

    [3] 陳宇. 基于典型任務(wù)的多星協(xié)同調(diào)度關(guān)鍵問題研究[D]. 武漢:武漢大學(xué),2012.

    [4] 馬亮,李曉. 基于改進(jìn)粒子群算法的云計(jì)算任務(wù)調(diào)度策略[J]. 計(jì)算機(jī)與現(xiàn)代化,2013, 11(9):78-81.

    [5] 李靜梅,王雪,吳艷霞. 一種改進(jìn)的優(yōu)先級(jí)列表任務(wù)調(diào)度算法[J]. 計(jì)算機(jī)科學(xué),2014, 41(5):20-23.

    [6] SCHAFFER C. Selecting a classification method by cross validation[J]. ?Machine Learning, 1993,13(1):135-143.

    [7] BRODLEY C E. Recursive automatic bias selection for classifier construction[J]. Machine Learning,1995,20(1/2):63-94.

    [8] 曾子林,張宏軍,張睿,等. 基于元學(xué)習(xí)思想的算法選擇問題綜述[J]. 控制與決策,2014(6):961-968.

    [9] 劉娟,朱翔鷗,劉文斌. 基于交互信息的數(shù)據(jù)集特征結(jié)構(gòu)研究[J]. 模式識(shí)別與人工智能,2014, 27(1):82-88.

    [10] 徐盈盈,鐘才明. 基于集成學(xué)習(xí)的無監(jiān)督離散化算法[J]. 計(jì)算機(jī)應(yīng)用,2014, 34(8):2184-2187.

    [11] SONG Q,WANG G,WANG C. Automatic recommendation of classification algorithms based on data set characteristics[J]. ?Pattern Recognition, 2012,45(7):2672-2689.

    [12] 代明,鐘才明,龐永明,等. 基于數(shù)據(jù)集屬性相似性的聚類算法推薦[J]. 南京大學(xué)學(xué)報(bào)(自然科學(xué)版),2016,52(5):908-917.

    [13] GOMES D,CASTRO L N D. Clustering algorithm selection by meta-learning systems: a new distance-based problem characterization and ranking combination methods[M]. Elsevier Science Inc. ,2015.

    [14] YIN Z,LI J,ZHANG Y,et al. Functional brain network analysis of schizophrenic patients with positive and negative syndrome based on mutual information of EEG time series[J]. ?Biomedical Signal Processing and Control,2017(31):331-338.

    [15] JAKULIN A,BRATKO I. Testing the significance of attribute interactions[C]. New York:Proceedings of The 21th International Conference on Machine Learning,2004:52-59.

    [16] JAKULIN A,BRATKO I. Analyzing attribute dependencies[C]. The 7th European Conference on Principles and Practice of Knowledge Discovery in Databases(PKDD),2003:229-240.

    [17] CHANDA P,CHO Y R,ZHANG A,et al. Mining of attribute interactions using information theoretic metrics[C]. Miami:IEEE International Conference on Data Mining Workshops,2009:350-355.

    [18] 賈平,代建華,潘云鶴,等. 一種基于互信息增益率的新屬性約簡(jiǎn)算法[J]. 浙江大學(xué)學(xué)報(bào)(工學(xué)版),2006,40(6):1041-1044.

    [19] 胡旺,李志蜀. 一種更簡(jiǎn)化而高效的粒子群優(yōu)化算法[J]. 軟件學(xué)報(bào),2007,18(4):861-868.

    [20] 熊眾望,羅可. 基于改進(jìn)的簡(jiǎn)化粒子群聚類算法[J]. 計(jì)算機(jī)應(yīng)用研究,2014,31(12):3550-3552.

    [21] 黃鵬飛. 拉普拉斯加權(quán)聚類算法的研究[D]. 南京:南京航空航天大學(xué),2009.

    (責(zé)任編輯:孫 娟)

    猜你喜歡
    機(jī)器學(xué)習(xí)
    基于詞典與機(jī)器學(xué)習(xí)的中文微博情感分析
    基于機(jī)器學(xué)習(xí)的圖像特征提取技術(shù)在圖像版權(quán)保護(hù)中的應(yīng)用
    基于網(wǎng)絡(luò)搜索數(shù)據(jù)的平遙旅游客流量預(yù)測(cè)分析
    前綴字母為特征在維吾爾語文本情感分類中的研究
    下一代廣播電視網(wǎng)中“人工智能”的應(yīng)用
    活力(2016年8期)2016-11-12 17:30:08
    基于支持向量機(jī)的金融數(shù)據(jù)分析研究
    基于Spark的大數(shù)據(jù)計(jì)算模型
    基于樸素貝葉斯算法的垃圾短信智能識(shí)別系統(tǒng)
    基于圖的半監(jiān)督學(xué)習(xí)方法綜述
    機(jī)器學(xué)習(xí)理論在高中自主學(xué)習(xí)中的應(yīng)用
    99国产综合亚洲精品| 国产精品三级大全| www.自偷自拍.com| 一本大道久久a久久精品| 亚洲精品日韩在线中文字幕| 考比视频在线观看| tube8黄色片| 亚洲精品一区蜜桃| 亚洲精品一区蜜桃| 乱人伦中国视频| av线在线观看网站| 精品99又大又爽又粗少妇毛片| 青春草国产在线视频| 国产精品国产三级国产专区5o| 一级黄片播放器| 天天影视国产精品| 黄频高清免费视频| 国产成人免费观看mmmm| 精品国产国语对白av| 麻豆乱淫一区二区| 两个人免费观看高清视频| 99国产综合亚洲精品| 中文字幕人妻熟女乱码| 观看美女的网站| 国产成人aa在线观看| 欧美成人午夜免费资源| 黄色一级大片看看| 欧美bdsm另类| 最近中文字幕高清免费大全6| 一二三四在线观看免费中文在| 女人高潮潮喷娇喘18禁视频| 色网站视频免费| 免费女性裸体啪啪无遮挡网站| 免费在线观看完整版高清| 国产精品亚洲av一区麻豆 | 大香蕉久久网| 国产 精品1| av国产精品久久久久影院| 中文字幕人妻熟女乱码| √禁漫天堂资源中文www| 一区二区三区精品91| 国产免费现黄频在线看| 午夜福利乱码中文字幕| 国产白丝娇喘喷水9色精品| 国产不卡av网站在线观看| av视频免费观看在线观看| 亚洲,欧美,日韩| www.av在线官网国产| 亚洲成av片中文字幕在线观看 | 久久精品国产亚洲av高清一级| 免费观看a级毛片全部| 亚洲av成人精品一二三区| 国产成人免费观看mmmm| 免费观看性生交大片5| 国产精品99久久99久久久不卡 | 中文字幕制服av| 丁香六月天网| 黄片小视频在线播放| 国产一区有黄有色的免费视频| 国产精品国产av在线观看| 在线观看免费视频网站a站| 欧美变态另类bdsm刘玥| 色网站视频免费| 欧美人与性动交α欧美精品济南到 | 亚洲欧美精品自产自拍| 精品国产一区二区久久| 亚洲一级一片aⅴ在线观看| 精品少妇久久久久久888优播| 欧美日韩av久久| 亚洲av综合色区一区| 久久 成人 亚洲| 青青草视频在线视频观看| 久久久国产一区二区| 美女xxoo啪啪120秒动态图| 热re99久久国产66热| 五月天丁香电影| 妹子高潮喷水视频| 亚洲伊人色综图| 亚洲人成网站在线观看播放| 免费大片黄手机在线观看| 亚洲一码二码三码区别大吗| 成年女人毛片免费观看观看9 | 在线观看三级黄色| 国产精品免费视频内射| 成年人免费黄色播放视频| 亚洲人成电影观看| 久久青草综合色| 欧美日韩亚洲高清精品| 人体艺术视频欧美日本| 中国三级夫妇交换| 色婷婷久久久亚洲欧美| 尾随美女入室| 哪个播放器可以免费观看大片| 日本av手机在线免费观看| 性色av一级| 人妻一区二区av| 伊人亚洲综合成人网| 七月丁香在线播放| 亚洲欧美一区二区三区久久| 成年动漫av网址| 天天操日日干夜夜撸| 国产成人91sexporn| 又大又黄又爽视频免费| 天天躁狠狠躁夜夜躁狠狠躁| 亚洲三区欧美一区| 999精品在线视频| 亚洲欧美精品综合一区二区三区 | 国产亚洲一区二区精品| 丝瓜视频免费看黄片| 国产av一区二区精品久久| 国产白丝娇喘喷水9色精品| 视频在线观看一区二区三区| 极品人妻少妇av视频| 国产精品一区二区在线不卡| 精品卡一卡二卡四卡免费| 亚洲欧美日韩另类电影网站| 亚洲精品一区蜜桃| 亚洲国产精品999| 久久久久久久久久久久大奶| 美女xxoo啪啪120秒动态图| 国产一级毛片在线| 午夜福利在线观看免费完整高清在| 久久久久国产一级毛片高清牌| 99久国产av精品国产电影| 青春草视频在线免费观看| 日韩人妻精品一区2区三区| av网站在线播放免费| 久久久久国产精品人妻一区二区| 日韩,欧美,国产一区二区三区| 又大又黄又爽视频免费| 曰老女人黄片| 中文字幕人妻丝袜一区二区 | 91在线精品国自产拍蜜月| 男人舔女人的私密视频| 日本-黄色视频高清免费观看| 2018国产大陆天天弄谢| 久久精品久久久久久久性| 岛国毛片在线播放| 自拍欧美九色日韩亚洲蝌蚪91| 97人妻天天添夜夜摸| 国产精品不卡视频一区二区| 一区在线观看完整版| 王馨瑶露胸无遮挡在线观看| 一区福利在线观看| 欧美亚洲 丝袜 人妻 在线| 91在线精品国自产拍蜜月| 亚洲国产精品国产精品| 亚洲精品视频女| 午夜免费鲁丝| 91成人精品电影| 天天操日日干夜夜撸| 亚洲av电影在线观看一区二区三区| 老汉色∧v一级毛片| 久久精品人人爽人人爽视色| 99久久中文字幕三级久久日本| 欧美日韩av久久| 国产毛片在线视频| 18禁裸乳无遮挡动漫免费视频| 亚洲精品日本国产第一区| 在线观看免费视频网站a站| 国产精品国产三级专区第一集| 亚洲 欧美一区二区三区| 午夜精品国产一区二区电影| 欧美精品人与动牲交sv欧美| 亚洲成人手机| 一区福利在线观看| 成人国产麻豆网| 日本欧美国产在线视频| 亚洲国产日韩一区二区| 久久久国产一区二区| 丰满饥渴人妻一区二区三| 黄色配什么色好看| 2018国产大陆天天弄谢| 亚洲美女搞黄在线观看| 久久99一区二区三区| 亚洲精品国产色婷婷电影| 国产成人欧美| 亚洲欧美一区二区三区黑人 | 女人久久www免费人成看片| 亚洲av.av天堂| 久久久久精品性色| 久久久久久久久久久免费av| 久久久久人妻精品一区果冻| 涩涩av久久男人的天堂| 男女边摸边吃奶| 中文字幕av电影在线播放| 精品亚洲成国产av| 青草久久国产| 人妻人人澡人人爽人人| 中文字幕人妻丝袜一区二区 | videossex国产| 欧美在线黄色| 亚洲av中文av极速乱| 精品午夜福利在线看| 国产精品免费视频内射| 少妇的逼水好多| 精品人妻偷拍中文字幕| 国语对白做爰xxxⅹ性视频网站| 日韩一区二区视频免费看| 日本午夜av视频| 欧美 亚洲 国产 日韩一| 国产伦理片在线播放av一区| 亚洲内射少妇av| 丝袜在线中文字幕| 亚洲精品视频女| 好男人视频免费观看在线| 日韩一区二区视频免费看| 免费在线观看黄色视频的| av女优亚洲男人天堂| 免费大片黄手机在线观看| 久久久国产一区二区| 纯流量卡能插随身wifi吗| 边亲边吃奶的免费视频| 一区二区三区四区激情视频| 久久久欧美国产精品| 亚洲美女视频黄频| 麻豆乱淫一区二区| 交换朋友夫妻互换小说| 最近手机中文字幕大全| 久久精品人人爽人人爽视色| 观看美女的网站| 欧美97在线视频| 国产熟女午夜一区二区三区| 最近的中文字幕免费完整| 久久久久久久久久人人人人人人| av在线播放精品| 久久精品aⅴ一区二区三区四区 | 精品99又大又爽又粗少妇毛片| 男的添女的下面高潮视频| 91精品伊人久久大香线蕉| 国产精品国产av在线观看| 亚洲av.av天堂| 精品国产超薄肉色丝袜足j| 肉色欧美久久久久久久蜜桃| 黄色毛片三级朝国网站| 国产成人一区二区在线| 国产片内射在线| 18禁动态无遮挡网站| 日本免费在线观看一区| 欧美日韩视频高清一区二区三区二| 日本欧美视频一区| 亚洲av男天堂| 亚洲国产欧美日韩在线播放| 免费人妻精品一区二区三区视频| 下体分泌物呈黄色| 永久网站在线| 美女福利国产在线| 日韩,欧美,国产一区二区三区| 欧美中文综合在线视频| 国产精品久久久av美女十八| 视频区图区小说| 欧美 亚洲 国产 日韩一| 黄色一级大片看看| 久久午夜综合久久蜜桃| 国产一级毛片在线| 成年美女黄网站色视频大全免费| 欧美日韩视频高清一区二区三区二| 黄网站色视频无遮挡免费观看| 一个人免费看片子| 男人添女人高潮全过程视频| 久久久久久久精品精品| 色哟哟·www| 免费不卡的大黄色大毛片视频在线观看| 中国三级夫妇交换| 青青草视频在线视频观看| 亚洲精品av麻豆狂野| 麻豆乱淫一区二区| 亚洲人成网站在线观看播放| 汤姆久久久久久久影院中文字幕| 各种免费的搞黄视频| 国产精品久久久久久av不卡| 久久精品国产亚洲av天美| 黄色配什么色好看| 永久免费av网站大全| 亚洲精品乱久久久久久| 最新的欧美精品一区二区| 国产av一区二区精品久久| 亚洲欧美成人精品一区二区| 亚洲精品自拍成人| 亚洲国产最新在线播放| 伦理电影大哥的女人| 久久久国产一区二区| 新久久久久国产一级毛片| 久久久亚洲精品成人影院| 久久精品国产综合久久久| 美女中出高潮动态图| 国产淫语在线视频| 边亲边吃奶的免费视频| 午夜激情久久久久久久| 日韩免费高清中文字幕av| 久久久欧美国产精品| 免费高清在线观看日韩| 哪个播放器可以免费观看大片| 啦啦啦在线免费观看视频4| 熟女av电影| 国产极品天堂在线| 丝袜脚勾引网站| 久久精品国产亚洲av天美| 日本色播在线视频| 亚洲av福利一区| 最新中文字幕久久久久| 97在线视频观看| 久久精品国产鲁丝片午夜精品| 亚洲第一区二区三区不卡| 中文字幕av电影在线播放| 国产成人91sexporn| 只有这里有精品99| 国产高清国产精品国产三级| 汤姆久久久久久久影院中文字幕| 午夜福利网站1000一区二区三区| 一区在线观看完整版| 国产精品无大码| 高清av免费在线| 欧美日韩av久久| 午夜福利视频在线观看免费| 亚洲av免费高清在线观看| 国产乱来视频区| 波多野结衣av一区二区av| 欧美日韩一区二区视频在线观看视频在线| 亚洲伊人久久精品综合| videossex国产| 欧美成人午夜免费资源| 亚洲精品aⅴ在线观看| www.精华液| 欧美 日韩 精品 国产| 岛国毛片在线播放| 久久久国产精品麻豆| 国产男女内射视频| 男人爽女人下面视频在线观看| 夜夜骑夜夜射夜夜干| 伊人久久大香线蕉亚洲五| 亚洲欧美精品自产自拍| 精品久久蜜臀av无| 亚洲国产看品久久| 国产免费又黄又爽又色| 亚洲视频免费观看视频| 成人毛片60女人毛片免费| a 毛片基地| 亚洲国产精品一区三区| 午夜福利网站1000一区二区三区| 欧美最新免费一区二区三区| 欧美亚洲 丝袜 人妻 在线| 欧美+日韩+精品| 色婷婷久久久亚洲欧美| 91在线精品国自产拍蜜月| 婷婷色综合大香蕉| 日本猛色少妇xxxxx猛交久久| 一级毛片 在线播放| 一二三四中文在线观看免费高清| 性色avwww在线观看| 丝袜脚勾引网站| 一本色道久久久久久精品综合| 美女xxoo啪啪120秒动态图| 国产成人欧美| 大话2 男鬼变身卡| 日本wwww免费看| 亚洲欧洲精品一区二区精品久久久 | 这个男人来自地球电影免费观看 | 2022亚洲国产成人精品| 日韩中字成人| 国产精品免费视频内射| 日韩在线高清观看一区二区三区| 少妇被粗大猛烈的视频| 亚洲国产欧美网| 久久精品熟女亚洲av麻豆精品| 肉色欧美久久久久久久蜜桃| 各种免费的搞黄视频| 国产乱来视频区| 久久精品国产亚洲av涩爱| 欧美人与性动交α欧美精品济南到 | 欧美日韩综合久久久久久| 国产免费现黄频在线看| 国产精品 国内视频| 欧美bdsm另类| 免费观看性生交大片5| 亚洲三区欧美一区| 久久女婷五月综合色啪小说| 成人国产麻豆网| 国产黄色视频一区二区在线观看| 热99久久久久精品小说推荐| 一级,二级,三级黄色视频| 国精品久久久久久国模美| www.自偷自拍.com| 午夜福利网站1000一区二区三区| 国产亚洲最大av| 久久久久久人人人人人| 国产成人精品福利久久| 亚洲欧美成人综合另类久久久| 成年人午夜在线观看视频| 伦精品一区二区三区| 一本色道久久久久久精品综合| 亚洲欧美精品综合一区二区三区 | av福利片在线| 国产一级毛片在线| 天天躁夜夜躁狠狠久久av| 97人妻天天添夜夜摸| 精品国产露脸久久av麻豆| 好男人视频免费观看在线| 亚洲精品一二三| 欧美日韩视频高清一区二区三区二| 久久亚洲国产成人精品v| 成年女人毛片免费观看观看9 | www.精华液| 日韩欧美一区视频在线观看| 你懂的网址亚洲精品在线观看| 咕卡用的链子| 国产又色又爽无遮挡免| 久久午夜综合久久蜜桃| 人妻 亚洲 视频| √禁漫天堂资源中文www| 亚洲国产精品成人久久小说| 寂寞人妻少妇视频99o| 久久精品国产综合久久久| 国产精品.久久久| 咕卡用的链子| 女性生殖器流出的白浆| 中文字幕精品免费在线观看视频| av.在线天堂| 99久久综合免费| 中文字幕另类日韩欧美亚洲嫩草| 国产老妇伦熟女老妇高清| 色网站视频免费| 99久国产av精品国产电影| 国产av一区二区精品久久| 一级毛片电影观看| 欧美变态另类bdsm刘玥| xxx大片免费视频| 80岁老熟妇乱子伦牲交| 少妇人妻 视频| 久久久久久人妻| 91国产中文字幕| 亚洲精品国产av蜜桃| 日韩av不卡免费在线播放| 欧美成人午夜精品| 人成视频在线观看免费观看| 亚洲综合精品二区| 男女啪啪激烈高潮av片| 午夜老司机福利剧场| 熟女av电影| 中文字幕人妻熟女乱码| 黑人猛操日本美女一级片| 亚洲精品av麻豆狂野| 亚洲国产欧美日韩在线播放| 欧美日韩综合久久久久久| 色吧在线观看| 丰满少妇做爰视频| 亚洲国产日韩一区二区| 十分钟在线观看高清视频www| 水蜜桃什么品种好| 亚洲男人天堂网一区| 午夜福利网站1000一区二区三区| 国产熟女午夜一区二区三区| 久久热在线av| 黄色 视频免费看| 精品人妻偷拍中文字幕| 亚洲,一卡二卡三卡| 国产精品国产av在线观看| av片东京热男人的天堂| 在线亚洲精品国产二区图片欧美| 日产精品乱码卡一卡2卡三| 久久99热这里只频精品6学生| 久久99一区二区三区| 亚洲中文av在线| 最黄视频免费看| 久久青草综合色| 涩涩av久久男人的天堂| 日本色播在线视频| 成人漫画全彩无遮挡| 国产精品免费视频内射| 宅男免费午夜| 亚洲av福利一区| 国产一级毛片在线| 成人毛片a级毛片在线播放| 啦啦啦中文免费视频观看日本| 少妇的逼水好多| 国产精品久久久久久精品电影小说| 久久久久久久国产电影| 欧美日韩一区二区视频在线观看视频在线| 夫妻午夜视频| 日本91视频免费播放| 一级片免费观看大全| 久久午夜福利片| 久久久精品免费免费高清| 国产97色在线日韩免费| 三级国产精品片| 久久免费观看电影| 久久精品国产综合久久久| 人成视频在线观看免费观看| 水蜜桃什么品种好| 久久精品久久久久久噜噜老黄| 亚洲精品国产av蜜桃| 亚洲国产欧美在线一区| 免费看不卡的av| 激情五月婷婷亚洲| 人人妻人人澡人人爽人人夜夜| 校园人妻丝袜中文字幕| 捣出白浆h1v1| 超碰成人久久| 丝袜美腿诱惑在线| 97精品久久久久久久久久精品| 亚洲av中文av极速乱| 国产爽快片一区二区三区| 观看av在线不卡| 十八禁高潮呻吟视频| 国产精品无大码| 乱人伦中国视频| 超色免费av| 欧美日韩精品网址| av免费观看日本| 成人二区视频| 精品久久蜜臀av无| 一区福利在线观看| 国产成人免费无遮挡视频| 国产午夜精品一二区理论片| 黑人猛操日本美女一级片| 国产一区二区三区综合在线观看| 高清不卡的av网站| 最近最新中文字幕大全免费视频 | 国产成人精品久久二区二区91 | 少妇被粗大猛烈的视频| 国产成人精品一,二区| 成人18禁高潮啪啪吃奶动态图| 午夜福利,免费看| 一区二区三区四区激情视频| 久久女婷五月综合色啪小说| 久久久久久久精品精品| 满18在线观看网站| 久久久久久久大尺度免费视频| 一区在线观看完整版| 免费少妇av软件| 色视频在线一区二区三区| 国产精品二区激情视频| 午夜福利影视在线免费观看| 大话2 男鬼变身卡| 一级黄片播放器| 亚洲综合色惰| 精品人妻一区二区三区麻豆| 丰满迷人的少妇在线观看| 午夜福利,免费看| 又黄又粗又硬又大视频| 日本av免费视频播放| 欧美成人午夜精品| 色吧在线观看| 亚洲成av片中文字幕在线观看 | av不卡在线播放| 人体艺术视频欧美日本| 热re99久久精品国产66热6| 观看av在线不卡| 成年动漫av网址| 91精品伊人久久大香线蕉| 叶爱在线成人免费视频播放| 热re99久久精品国产66热6| 中国三级夫妇交换| 午夜福利一区二区在线看| 亚洲国产欧美网| 大香蕉久久网| 亚洲国产最新在线播放| 街头女战士在线观看网站| 国产欧美日韩一区二区三区在线| 一本—道久久a久久精品蜜桃钙片| 午夜免费观看性视频| 各种免费的搞黄视频| 亚洲精品美女久久av网站| 制服人妻中文乱码| 免费女性裸体啪啪无遮挡网站| 热99国产精品久久久久久7| 99香蕉大伊视频| 欧美97在线视频| av一本久久久久| 国产高清不卡午夜福利| av国产精品久久久久影院| 高清黄色对白视频在线免费看| 精品99又大又爽又粗少妇毛片| 国产熟女午夜一区二区三区| 一区二区日韩欧美中文字幕| 国产成人免费观看mmmm| 免费在线观看完整版高清| 我要看黄色一级片免费的| 久久人人97超碰香蕉20202| 97在线视频观看| 99re6热这里在线精品视频| 9191精品国产免费久久| 高清黄色对白视频在线免费看| 国产成人a∨麻豆精品| 日韩av在线免费看完整版不卡| 99热全是精品| 大码成人一级视频| 欧美激情极品国产一区二区三区| 我要看黄色一级片免费的| 中文字幕人妻熟女乱码| 午夜免费观看性视频| 看免费av毛片| av网站免费在线观看视频| 美国免费a级毛片| 天堂中文最新版在线下载| 999久久久国产精品视频| 中文字幕人妻熟女乱码| 久久婷婷青草| 午夜老司机福利剧场| 老鸭窝网址在线观看| 久久精品国产亚洲av天美| 久久久久人妻精品一区果冻| 五月开心婷婷网| 亚洲欧美日韩另类电影网站| 亚洲精品久久久久久婷婷小说| 一个人免费看片子| 一二三四中文在线观看免费高清| 久久人妻熟女aⅴ| 亚洲国产成人一精品久久久| 日本猛色少妇xxxxx猛交久久| 看免费成人av毛片| 国产成人aa在线观看| 黄片无遮挡物在线观看| 国产色婷婷99| 久久精品国产综合久久久|