排序方式: 共有2条查询结果,搜索用时 0 毫秒
1
1.
传统的算法复杂度分析方法重点对算法的内在流程进行分析,而且对于数据挖掘时具有很大不确定性,执行时间不能准确确定.用物理学原理从能量的角度对数据挖掘中的经典聚类算法K-means进行分析,并从算法的本质上推导出其复杂度下限,推导出该算法能优化到的极限值. 相似文献
2.
从物联网产生的大量数据中获得有效信息需求出发,分析数据挖掘在现有运行平台上的不足,同时指出云平台上的优势.分析数据挖掘中的决策树算法,通过对信息熵和信息增益地分析,得出算法复杂度和能量之间的内在关系,指出并行数据挖掘的计算复杂度和通信复杂度对效率地影响,得出提高系统的隐含并行性是在云平台下减少运行时间、降低能耗的可靠办法. 相似文献
1