貪心演算法聚類

1. 倪志偉的論文專著

近五年來，在國內外學術期刊上公開發表論文30多篇，其中有15篇論文被EI或ISTP收錄。出版的教材或專著有：
1．《Foxpro實用教程》，南京大學出版社，1994年（主編）
2．《用C++建造專家系統》，電子工業出版社，1996年 （副主編）3．《機器學習與智能決策支持系統》，科學出版社，2004年5月（副主編）
4．《編譯原理》，北京希望電子出版社，2005年11月（主編）
5．《現代物流技術》，中國物資出版社，2006年1月（主編）（被評為國家「十一五」規劃教材）
6．《物流信息系統》，中國物資出版社，2006年2月（副主編）
7. 《智能管理技術與方法》，科學出版社，2007年10月（主編）
8. 《動態數據挖掘》，科學出版社，2010年8月（主編）
近年來，發表的主要學術論文如下： [1] Zhangjun Wu, Xiao Liu, Zhiwei Ni, Dong Yuan, Jinjun Chen, Yun Yang: A Market-Oriented Hierarchical Scheling Strategy in Cloud Workflow Systems, Journal of Supercomputing, Volume 63,Issue 1,pp.256-293,2013.(UT WOS:000313166000013).[2] Xiao Liu,Zhiwei Ni,et al.A Novel Statistical Time-Series Pattern based Interval Forecastting Strategy for Activity Durations in Workflow Systems.Journal of Software and system,2011,(84),354-376.(SCI indexed)[3] Liping Ni, Zhiwei Ni, YaZhuo Gao.Stock trend Prediction Based on Fractal Feature Selection and Support Vector Machine.Expert system with applications,2011,(38),5569-5576.(SCI indexed)[4]Xiao Liu,Zhiwei Ni,et al.A probabilistic strategy for temporal constraint management in scientisfic workflow systems.Concurrrency and Computation :Pratice and Experience,2011,23(16),1893-1919.(SCI indexed) [5] Xiao Liu, Zhiwei Ni, Zhangjun Wu, Dong Yuan, Jinjun Chen, Yun Yang: A Novel General Framework for Automatic and Cost-Effective Handling of Recoverable Temporal violations in Scientific Workflow Systems, Journal of Software and System,2011,(84),492-509. (SCI indexed ) [6]Zhiwei Ni,Junfeng guo ,et al.An Efficient Method for Improving Query Efficiency in Data Warehouse.Journal of software,2011,6(5),857-865.[7]高雅卓， 倪志偉等.連續屬性上的OLAP查詢建模方法研究.情報學報，2011，30(4),372-379.[8]張以文，倪志偉等.雲計算環境下動態虛擬企業夥伴選擇模型.計算機科學，2011，38(7),212-215.[9]倪志偉，公維峰等.數據流中隨機型分型維數計算方法研究.計算機科學，2011，38(4),209-212.[10]倪志偉，吳昊等.基於改進的經驗模態分解的時間序列匹配演算法.系統模擬學報，2011，23(11),2395-2399.[11]姜苗，倪志偉等.數據流時間窗口中閉頻繁項集的在線挖掘.中國科學技術大學學報，2011，(8),729-745.[12] Zhangjun Wu, Zhiwei Ni, Lichuan Gu, Xiao Liu: A Revised Discrete Particle Swarm Optimization for Cloud Workflow Scheling, 2010 International Conference on Computational Intelligence and Security (CIS2010), Nanning, China, 11-14 Dec. 2010 (EI indexed) [13] Xiao Liu, Zhiwei Ni, Zhangjun Wu, Dong Yuan, Jinjun Chen, Yun Yang: A Framework for Handling Fine-Grained Recoverable Temporal Violations in Scientific Workflows, 16th IEEE International Conference on Parallel and Distributed Systems (ICPADS2010), Shanghai, China, December 7-11, 2010, on Sept. 05, 2010 (EI indexed). [14] Yazhuo Gao, Zhiwei Ni, Yuxiao Zhao.A scheling strategy for OLAM tasks and its application in a financial BI system Business Intelligence and Financial Engneering .2009會議論文集: 435-440 (EI收錄) [15] Zhiwei Ni, Dan Han, Gongrang Zhang, Yazhuo Gao.Extension CBR Retrieval.AICI2009:224—227 (EI收錄) [16] Zhangjun Wu, Zhiwei Ni，Chang Zhang, Lichuan Gu. A Novel PSO for Multi-stage Portfolios Planning, IEEE International Conference on Artificial Intelligence and Computational Intelligence (AICI2009)，71—77 (EI收錄) [17] Chang Zhang, Zhiwei Ni, Zhangjun Wu,Lichuan Gu. A Novel Swarm Model with Quasi-Oppositional Particle, International Forum on Information Technology and Applications (IFITA 2009), pp.325-330 (EI收錄) [18] Li Fenggang, Wang Xiaolu, Ni Zhiwei, Ni Liping. Semantic Analysis Based Literature Transaction System of Xi-An Medical Authority, Intelligent Information Management Systems and Technologies (2010),Volume6,No.3 ,219—226 [19] Xiao Liu, Jinjun Chen, Zhangjun Wu, Zhiwei Ni, Dong Yuan, Yun Yang.Handling Recoverable Temporal Violations in Scientific Workflow Systems: A, Workflow Rescheling Based Strategy,2010,pp.534-537 [20]Chao Wang ,Zhi-wei Ni ,Jun-fen Guo.A Fast Bidirectional Method for Mining Maximal Frequent Itemsets，The Third International Joint Conference on Computational Sciences and Optimization (CSO 2010),447—450 [21]倪志偉,高雅卓,李偉東,束建華.基於矩陣的增量式關聯規則挖掘演算法.計算機工程與應用, 2008,44(13):153-155 [22]劉斌,倪志偉,趙敏.基於屬性重要性的貪心演算法的改進演算法.合肥工業大學學報,2010,33(8):1185-1188 [23]王麗紅,倪志偉, 高雅卓.改進的蟻群演算法求解多目標車間作業調度問題.計算機技術與發展,2008 ,18(10):49—52 [24]吳姍,倪志偉,羅賀,鄭盈盈.一種基於密度的無監督聯系發現方法.中國管理科學,2008,16:29—32 [25]梁敏君,倪志偉,倪麗萍,楊葛鍾嘯.基於網格與分形維數聚類演算法.計算機應用,2009,29(3):830-833 [26]倪麗萍,倪志偉,吳昊,葉紅雲.基於分形維數和蟻群演算法的屬性選擇方法.模式識別與人工智慧, 2009,22(2):293—298(EI收錄) [27]倪志偉,倪麗萍,楊葛鍾嘯.分形技術在案例庫維護中的應用.計算機應用,2009,29(6):1598—1604 [28]倪志偉,吳姍,胡湯磊.聯系發現在證券客戶劃分中的應用研究.計算機工程與應用, 2009, 45(18):201--204 [29]Dan Han, Zhiwei Ni, Gongrang Zhang, Hongyu Wang, Jun Yan. Research and Design the Extension Case BaseBased on CBR. BIFE International meeting, 2009，:210—214 (EI收錄) [30]鄭盈盈,倪志偉,吳姍,王麗紅.基於移動網格和密度的數據流聚類演算法.計算機工程與應用,2009,45(8):129--131 [31]王園園,倪志偉,趙裕嘯,伍章俊.基於決策樹的模糊聚類評價演算法及其應用.計算機技術與發展, 2009,19(9):232-235 [32]嚴軍,倪志偉,王宏宇,韓丹.案例推理在汽車診斷中的應用.計算機應用研究. 2009,26(10):3846-3848 [33]劉慧婷,倪志偉.基於EMD與交叉覆蓋演算法的個人信用的評估.計算機工程與設計,2009,10:4472—4491 [34]劉慧婷,倪志偉.基於EMD與K-means演算法的時間序列聚類.模式識別與人工智慧,2009.10 :803—808 [35]倪志偉,李建洋,李鋒剛, 楊善林.案例決策技術及案例決策支持系統研究綜述.計算機科學,2009,36(11):18—23 [36]郭峻峰, 倪志偉, 高雅卓, 伍章俊.一種提高數據倉庫查詢效率的有效方法.計算機集成製造系統, 2009,15(12):2451-2457 (EI收錄) [37]高雅卓,倪志偉,郭峻峰,胡湯磊.用戶興趣驅動的冰山數據立方體構建及更新方法研究.計算機科學, 2009,36(12):179-182 [38]趙裕嘯,倪志偉,王園園,伍章俊.SQL Server 2005數據挖掘技術在證券客戶忠誠度的應用.計算機技術與發展, 2010,20(2):229-232 [39]李鋒剛,倪志偉, 郜巒.案例推理和多策略相似性檢索的中醫處方自動生成.計算機應用研究,2010, 27(2):544—547 [40]李建洋,倪志偉,鄭金彬,謝秀珍.案例知識維護技術的研究進展.武漢工程大學學報,2010,32(3):96-99 [41]趙敏,倪志偉,劉斌.K-means與樸素貝葉斯在商務智能中的應用.計算機技術與發展, 2010,20(4):179-182 [42]王宏宇,倪志偉,嚴軍,韓丹.灰度關聯理論在CBR中的應用研究.計算機技術與發展, 2010,20(5):96-100 [43]羅義欽,倪志偉,楊葛鍾嘯.一種新的數據流分形聚類演算法.計算機工程與應用, 2010,46 (6): 136-13 [44]查春生，倪志偉，倪麗萍，公維峰.基於相空間重構的股指時間序列相關性分析,計算機技術與發展，計劃在2010年第8期刊載 [45]姜苗，倪志偉，王超，戴奇波.在線挖掘數據流混合窗口中閉頻繁項集，系統模擬學報， [46]辜麗川，倪志偉，張友華.一種基於核矩陣迭代學習的範例相似度演算法，模式識別與人工智慧。 [47] Case base maintenance based on outlier data mining，Proc. 4th Intl. Conf. on Machine Learning and Cybernetics，IEEE Press, China, 2005.8 ，2861-2864 [48] 基於相似粗糙集的案例特徵項的約簡維護, 計算機科學，Vol.32,No.8.A , 2005，93-96 [49] 數據流管理與挖掘研究, 合肥工業大學學報(自然科學版), Vol.28, No.9 , 2005，1157-1162 [50] Case-Based Reasoning Framework Based On Data Mining Technique. Proceedings of the Third International Conference on Machine Learning and Cybernetics, Shanghai, August，2004，2511-2514 [51] 基於案例和規則相結合的推理技術,小型微型計算機系統，2004,Vol.25，No.7,1155-1158 [52] 集成範例推理系統的研究，系統模擬學報，2004，Vol.16，No.4， 803-806 [53] 範例推理中範例自動獲取的數據挖掘技術，天津大學學報，2003年，Vol.36,No.1，82-86 [54] 基於知識發現的範例推理系統，計算機科學，Vol.30,No.5,2003年，26-29 [55] 範例推理系統中的範例庫維護，小型微型計算機系統，Vol.24, No.10，2003年10月，1825-1828 [56] Integrated case-based reasoning，Proceedings of 2003 International Conference on Machine Learning and Cybernetics ,Xi』an,2003，1845-1849 [57]範例推理中的知識發現技術，小型微型計算機系統，Vol.23,No.2，2002年2月，159-162 [58]範例庫中特徵項權重的發現技術，廈門大學學報， Vol.41,No.2,2002年3月，168-172 [59]用神經網路來實現基於範例的推理系統，計算機工程，2002年7月，Vol.28,No.7 [60]A neural network case-based reasoning and its application , Proceedings of 2002 International Conference on Machine Learning and Cybernetics ,Beijing, 2002.11，529-532 [61]範例庫上的知識發現，南開大學學報，2002年12月，Vol.35,No.4 [62]神經網路專家系統及其數據挖掘技術的探討，系統工程學報，2001年，Vol.16, No.1, 61-65

2. 分組演算法的典型代表包括什麼

哈希演算法、貪心演算法、分治演算法、聚類演算法。
1、哈希演算法：哈希演算法通常使用散列函數將輸入數據轉換為固定長度的哈希值，並按照哈希值來劃分不同的數據組。哈希演算法的特點是速度快、存儲空間小，但可能存在哈希沖突等問題。
2、貪心演算法：貪心演算法是一種從局部最優解出發，逐步擴展到全局最優解的演算法。在分組問題中，貪心演算法可以根據某些特定的分組規則（例如距離、大小、權重等），逐步將數據劃分為多個子集，以達到最優解。
3、分治演算法：分治演算法是將大問題拆分為多個小問題，然後分別解決這些小問題的演算法。在分組問題中，我們可以採用分治思想，將樣本分成多個子集，分別對每個子集進行處理，最後將結果合並起來。
4、聚類演算法：聚類演算法通常通過計算相似性或距離來將數據分組。例如，K均值演算法可以先隨機選取幾個中心點，然後按照距離將數據集分為多個簇，最後調整中心點的位置以達到最優解。

3. 演算法設計的目錄

第1章引言：某些典型的問題
1.1第一個問題：穩定匹配
1.2五個典型問題
帶解答的練習
練習
注釋和進一步的閱讀
第2章演算法分析基礎
2.1計算可解性
2.2增長的漸近階
2.3用表和數組實現穩定匹配演算法
2.4一般運行時間的概述
2.5更復雜的數據結構：優先隊列
帶解答的練習
練習
注釋和進一步的閱讀
第3章圖
3.1基本定義與應用
3.2圖的連通性與圖的遍歷
3.3用優先隊列與棧實現圖的遍歷
3.4二分性測試：寬度優先搜索的一個應用
3.5有向圖中的連通性
3.6有向無圈圖與拓撲排序
帶解答的練習
練習
注釋和進一步的閱讀
第4章貪心演算法
4.1區間調度：貪心演算法領先
4.2最小延遲調度：一個交換論證
4.3最優高速緩存：一個更復雜的交換論證
4.4一個圖的最短路徑
4.5最小生成樹問題
4.6實現Kruskal演算法：Unoin－Find數據結構
4.7聚類
4.8Huffman碼與數據壓縮
4.9最小費用有向樹：一個多階段貪心
帶解答的練習
練習
注釋和進一步的閱讀
第5章分治策略
5.1第一個遞推式：歸並排序演算法
5.2更多的遞推關系
5.3計數逆序
5.4找最接鄰近的點對
5.5整數乘法
5.6卷積與快速傅里葉變換
帶解答的練習
練習
注釋和進一步的閱讀
第6章動態規劃
6.1帶權的區間調度：一個遞歸過程
6.2動態規劃原理：備忘錄或者子問題迭代
6.3分段的最小二乘：多重選擇
6.4子集和與背包：加一個變數
6.5RNA二級結構：在區間上的動態規劃
6.6序列比對
6.7通過分治策略在線性空間的序列比對
6.8圖中的最短路徑
6.9最短路徑和距離向量協議
6.10圖中的負圈
帶解答的練習
練習
注釋和進一步的閱讀
第7章網路流
第8章Ng與計算的難解性
第9章一個超出
第10章擴展易解性的界限
第11章近似演算法
第12章局部搜索
第13章隨機演算法
後記：永不停止運行的演算法
索引

4. 當前最火IT專業術語（以後陸續完善）

我國大數據產業蓬勃發展，各級政府與企業積極促進技術創新，推動大數據應用，產業體系初具規模，支撐能力不斷增強。展望未來，大數據產業正步入「黃金期」。在大數據成為熱門話題的今天，了解相關專業術語對生活與工作大有裨益。本文將介紹人工智慧、區塊鏈、圖靈測試、回歸分析、MapRece、貪心演算法、數據挖掘、數據可視化、分布式計算、分布式架構、Hadoop、BI（商務智能）、NoSQL、結構化數據、半結構化數據、非結構化資料庫、數據清洗、演算法、深度學習、人工神經網路、數據聚類、隨機森林、分治法、支持向量機、熵、辛普森悖論、樸素貝葉斯模型、數據科學家、並行處理、雲計算等重要術語。

人工智慧( AI)是研究、開發用於模擬、延伸和擴展人類智能的理論、方法、技術及應用系統的一門新興技術科學。它企圖了解智能的實質，並生產出一種能以人類智能相似的方式做出反應的智能機器。人工智慧領域包括機器人、語言識別、圖像識別、自然語言處理和專家系統等。人工智慧從誕生以來，理論和技術日益成熟，應用領域不斷擴大。

區塊鏈是一種將數據以時間順序相連的方式組合成的鏈式數據結構，並以密碼學方式保證其不可篡改和不可偽造。區塊鏈技術可應用於分布式賬本、自動化腳本代碼（智能合約）等，形成全新的分布式基礎架構與計算範式。

圖靈測試是艾倫·圖靈發明的一種測試機器是否具有人類智能的方法。測試者通過提問與被測試者（人或機器）隔開，判斷是否能確定出被測試者是人還是機器。目前，我們對機器思考能力的預測已遠遠落後於圖靈的原始預測。

回歸分析是一種確定變數間相互依賴的定量關系的統計分析方法。根據涉及變數的數量，可分為一元回歸、多元回歸、簡單回歸和多重回歸。如果只包含一個自變數和一個因變數，且二者關系可用直線近似表示，稱為一元線性回歸。

MapRece是一種編程模型，用於大規模數據集的並行運算。其核心思想是映射（Map）和歸約（Rece），借鑒了函數式編程和矢量編程的特性，極大方便了編程人員在無需分布式並行編程的情況下運行程序。

貪心演算法是一種在對問題求解時總是做出在當前看來是最好的選擇的演算法。其關鍵在於選擇局部最優解，但必須滿足無後效性。貪心演算法的基本思路是從問題的一個初始解出發，逐步進行，確保每一步都是局部最優解。

數據挖掘是從大量數據中通過演算法搜索隱藏於其中信息的過程。它通常涉及統計、在線分析處理、情報檢索、機器學習、專家系統（基於過去的經驗法則）和模式識別等方法，目標是發現知識。

數據可視化是關於數據視覺表現形式的科學技術研究，通過圖形、圖像處理、計算機視覺和用戶界面展示數據，以表達、建模和顯示立體、表面、屬性和動畫。

分布式計算是研究分散系統如何進行計算的領域，這些系統由鏈接和通信的電子計算組成。分布式架構是分布式計算技術的應用和工具，用於處理大規模計算任務。

Hadoop是一個分布式系統基礎架構，允許用戶在不了解分布式底層細節的情況下開發分布式程序。它提供了一個分布式文件系統（HDFS）和MapRece框架。

BI（商務智能）是一套完整解決方案，用於整合企業數據，快速准確地提供報表和決策依據。商業智能能夠輔助操作層、戰術層和戰略層的決策。

NoSQL（非SQL）資料庫是不兼容SQL功能的關系型資料庫。它們具有非關系型、分布式、不提供ACID特性等特徵，旨在處理結構化和非結構化數據。

結構化數據是指資料庫中的數據，如企業ERP、財務系統、醫療HIS資料庫等。它們通常用於高速存儲、數據備份、數據共享和數據容災。

半結構化數據具有一定的結構性，但不像嚴格的關系資料庫數據那樣結構化。例如，OEM是一種典型的半結構化數據模型。

非結構化資料庫用於處理非結構化數據，如全文文本、圖像、聲音、影視、超媒體等。它們不僅可以處理結構化數據，還可以處理更復雜的數據類型。

數據清洗是發現並糾正數據文件中錯誤數據的最後一道程序。它包括檢查數據一致性、處理無效值和缺失值等，以過濾不符合要求的數據。

演算法是解題方案的描述，包含一系列解決問題的清晰指令。演算法的優劣由空間復雜度和時間復雜度衡量。

深度學習是基於人工神經網路研究的一種演算法，通過組合低層特徵形成更抽象的高層表示，以發現數據的分布式特徵表示。

人工神經網路是一種模仿動物神經網路行為特徵的演算法模型，用於分布式並行信息處理。

數據聚類是靜態數據分析技術，廣泛應用於機器學習、數據挖掘、模式識別、圖像分析和生物信息等領域。聚類是將相似對象分組，形成不同子集，以便在每個子集中成員具有相似的屬性。

隨機森林是一種包含多個決策樹的分類器，通過多個樹的輸出結果的眾數來確定分類。它是基於Leo Breiman和Adrian Cutler發展出的演算法。

分治法是一種計算機科學中的重要演算法，將復雜問題分解為兩個或多個相同或相似的子問題，再遞歸地解決子問題，直到最後得到原問題的解。

支持向量機是一種有監督學習模型，用於模式識別、分類和回歸分析。其主要思想是將低維輸入空間線性不可分的樣本轉化為高維特徵空間使其線性可分。

熵是體系混亂程度的度量，在熱力學、概率論、數論、天體物理、生命科學等領域有廣泛應用。熵的概念由魯道夫·克勞修斯提出，並應用於熱力學中。

辛普森悖論是指在某個條件下，兩組數據分別討論時會滿足某種性質，但合並考慮時可能導致相反的結論。在探究變數相關性時，辛普森悖論可能在某些前提下出現。

樸素貝葉斯模型是一種貝葉斯分類演算法，基於貝葉斯定理，通過「樸素」的假定（屬性之間條件獨立）進行數據分類。

數據科學家是運用科學方法、數據挖掘工具和數字化技術尋找復雜數據洞察的工程師或專家。他們需要具備數據採集、數學演算法、數學軟體、數據分析、預測分析、市場應用和決策分析等技能。

並行處理是計算機系統中同時執行兩個或更多處理機的一種計算方法，旨在節省大型和復雜問題的解決時間。並行處理需要程序並行化，即將工作各部分分配到不同處理機中，以實現協同工作。

雲計算基於互聯網提供動態、易擴展且經常虛擬化的資源，通常涉及通過互聯網提供服務。雲計算能夠模擬核爆炸、預測氣候變化和市場發展趨勢，使用戶通過電腦、筆記本、手機等設備接入數據中心，按需進行運算。