公开(公告)号：CN110297694A

公开(公告)日：2019-10-01

申请号：CN201910606401.4

申请日：2019-07-05

Applicant: 桂林理工大学

Inventor： 范利利 ,  敬超 ,  其他发明人请求不公开姓名

IPC: G06F9/455 ,  G06F9/48

Abstract: 本发明公开了一种基于资源分类和任务优先级的启发式云计算调度方法，通过考虑任务的需求资源类型，对任务进行需求分类；根据用户对资源的渴求程度来计算任务的优先级；根据任务的优先级顺序以及用户任务的需求资源类型，进行任务调度，把任务分配到满足用户需求虚拟机处理器上，贪心的调度任务到花费最小的虚拟机上来完成任务的执行。本方法可以满足云计算用户对资源的不同需求，提高云服务的质量，降低云服务的费用，满足任务的截止时间需求。

公开(公告)号：CN109918418A

公开(公告)日：2019-06-21

申请号：CN201910169907.3

申请日：2019-03-06

Applicant: 桂林理工大学

Inventor： 董明刚 ,  高建文 ,  敬超 ,  范利利

IPC: G06F16/2458 ,  G06N3/12

Abstract: 本发明涉及一种基于遗传算法的关联规则的改进挖掘方法，首先通过Apriori算法根据设置的算法参数和输入的数据集得到频繁项集A,将频繁项集A经过实数编码得到初始种群，然后根据设置的最小支持度阈值设计成相应的适应度函数，然后在循环代数之内进行选择、交叉、变异并根据其个体适应度进行排序，会得到相应的频繁项集，最后利用置信度阈值进行强规则提取，统计出规则的数量和所消耗的具体时间。有效地减少基于支持度－置信度”度量标准算法中的不足，有效进行关联规则的数量统计并提取出有价值的强关联规则。加快了算法处理数据的速度，最终提高了挖掘效率和有效性。