程锦
- 作品数：3 被引量：7H指数：1
- 供职机构：安徽三联学院更多>>
- 发文基金：安徽省高校省级自然科学研究项目更多>>
- 相关领域：自动化与计算机技术文化科学更多>>
- 一种用于语音挖掘和聚类的嵌入式分段KMeans方法
- 2021年
- 引入了一个近似的贝叶斯模型,通过使用硬聚类和分段而不是完全贝叶斯推理来提高整体效率。这种嵌入的分段K-Means模型将任意长度的单词段表示为固定维的声学单词嵌入。首先将嵌入式分段K-Means方法与先前的方法分别在普通英语和聪加语数据集上进行比较。嵌入式分段K-Means方法在分词方面明显优于当前的启发式方法,以更少的参数给贝叶斯模型提供了相似的分数,且速度快5倍。最后,展示了嵌入式分段K-Means系统通过将其应用于2017年零资源语音挑战赛中的5种语言而扩展到更大的语料库,取得了不错的结果。
- 杨小虎程锦朱苍璐
- 高校图书馆个性化图书推荐算法研究被引量：6
- 2021年
- 构建图书推荐系统,不仅可以让用户快速有效地获取所需图书信息,减少信息过载,同时也可以较好地发挥图书馆馆藏图书资源的潜在价值。在综述了几种常用推荐算法的基础上,给出了基于协同过滤的推荐算法的实现过程,并针对其冷启动和数据稀疏性问题给出了优化方案及优化后的算法实现流程。结果表明:在算法中引入用户特征属性与用户聚类方法,有效降低了数据稀疏性问题,提升了算法的推荐效率,一定程度上解决了图书推荐系统中的推荐算法设计。可以将该优化后的算法运用于图书馆的图书推荐系统设计中。
- 张德青程锦
- 关键词：相似度数据稀疏
- 云环境下Hadoop分布式文件系统K-means算法并行处理改进被引量：1
- 2021年
- 设计一个基于Hadoop分布式文件系统的数据挖掘平台,并基于最大最小距离的思想对K-means算法进行改进.在Hadoop分布式文件系统平台上,通过MapReduce实现并行化;以Iris数据集为例,分析了该算法的数据处理效果.结果表明:与传统算法相比,并行算法划分的样本正确度更高;单机环境下并行算法运行时间较长;面对大数据集,传统算法因内存不足无法完成数据处理任务,而并行算法则能完成计算任务;随着集群规模和数据集规模的扩大,并行算法的加速率提高,显示出良好的并行效果.实验结果验证了并行算法在大数据处理中的可靠性,为进一步提高数据挖掘效率提供了一个解决办法.
- 杨小虎程锦朱苍璐
- 关键词：并行处理HADOOP平台
