李志强
- 作品数：3 被引量：11H指数：1
- 供职机构：华侨大学计算机科学与技术学院更多>>
- 发文基金：中央高校基本科研业务费专项资金国家自然科学基金厦门市科技计划项目更多>>
- 相关领域：自动化与计算机技术更多>>
- 通过GPU加速数据挖掘的研究进展和实践被引量：9
- 2015年
- 将计算密度高的部分迁移到GPU上是加速经典数据挖掘算法的有效途径。首先介绍GPU特性和主要的GPU编程模型,随后针对数据挖掘主要任务类型分别介绍基于GPU加速的工作,包括分类、聚类、关联分析、时序分析和深度学习。最后分别基于CPU和GPU实现协同过滤推荐的两类经典算法,并基于经典的Movie Lens数据集的实验验证GPU对加速数据挖掘应用的显著效果,进一步了解GPU加速的工作原理和实际意义。
- 戴春娥陈维斌傅顺开李志强
- 关键词：数据挖掘GPU加速并行计算协同过滤
- 多维贝叶斯网络分类器结构学习算法被引量：1
- 2014年
- 传统多维贝叶斯网络分类器(MBNC)限制其模型结构必须是二分的,通过移除该限制可得到更准确的对关联分布建模的通用MBNC(GMBNC)。基于局部马尔可夫毯的迭代搜索,提出可准确学习GMBNC的算法IPCGMBNC。该算法由于无需学习全局贝叶斯网络(BN),可扩展性强。基于已知贝叶斯网络模型而随机生成的数据上所执行的实验显示,IPC-GMBNC可有效推导出目标结构;而且与传统的全局结构学习算法PC相比,IPC-GMBNC可节省大量的计算量。
- 傅顺开Sein Minn李志强
- 关键词：贝叶斯网络
- 多维贝叶斯网络分类器加速学习算法被引量：1
- 2015年
- 作为概率图模型,无限制多维贝叶斯网络分类器(GMBNC)是贝叶斯网络(BN)应用在多维分类应用时的精简模型,只包含对预测有效的局部结构。为了获得GMBNC,传统方法是先学习全局BN;为了避免全局搜索,提出了仅执行局部搜索的结构学习算法DOS-GMBNC。该算法继承了之前提出的IPC-GMBNC算法的主体框架,基于进一步挖掘的结构拓扑信息来动态调整搜索次序,以避免执行无效用的计算。实验研究验证了DOS-GMBNC算法的效果和效率:(1)该算法输出的网络质量与IPC-GMBNC一致,优于经典的PC算法;(2)在一个包含100个节点的问题中,该算法相对于PC和IPC-GMBNC算法分别节省了近89%和45%的计算量。
- 傅顺开李志强Sein Minn
- 关键词：贝叶斯网络
