自适应快速最大信息系数算法实现

陈凯俊

Chinese

您当前的位置：

首页 >

文章列表页 >

自适应快速最大信息系数算法实现

更新时间：2026-09-04

- 自适应快速最大信息系数算法实现
- An Adaptive and Fast Algorithm Based on Maximal Information Coefficient
- 微电子学与计算机 2016年33卷第9期页码：70-73
- 作者机构：
  
  中国科学院机构空间应用工程与技术中心,北京,100094
- 作者简介：
- 基金信息：
- DOI：
  中图分类号：
- 纸质出版：2016
- 稿件说明：
移动端阅览
陈凯俊. 自适应快速最大信息系数算法实现[J]. 微电子学与计算机, 2016, 33(9): 70-73.

CHEN Kai-jun. An Adaptive and Fast Algorithm Based on Maximal Information Coefficient[J]. 2016, 33(9): 70-73.
陈凯俊. 自适应快速最大信息系数算法实现[J]. 微电子学与计算机, 2016, 33(9): 70-73. DOI：

CHEN Kai-jun. An Adaptive and Fast Algorithm Based on Maximal Information Coefficient[J]. 2016, 33(9): 70-73. DOI：

摘要

最大信息系数算法其本身的时间复杂度很高

再加上处理对象的数据量很庞大

导致其运算速率很慢.为了解决这个问题

提出了自适应的快速最大信息系数算法.该算法是将原有的最大信息系数算法用多线程实现.对于变量对的数量多少

又提出了不同的并行策略.并针对不同的计算机CPU的核数自适应地产生相应的线程数

从而大大提高了算法的处理效率.

Abstract

The algorithm based on Maximal Information Coefficient is a frontier algorithm in Big Data field

Since this algorithm has a very high complexity of time

it is very slow to process the big data. To solve this problem

the adaptive and fast algorithm based on Maximal Information Coefficient is proposed. This new algorithm which is realized through multithreading improves the speed of the data processing. For the different variables of quantity

a different parallel strategy was put forward. And the number of thread is based on the core of CPU through a tactic. As a result

this algorithm improve the efficiency of the original algorithm based on Maximal Information Coefficient dramatically.

关键词

Keywords

references

Mokhtar B A. On a robust correlation coefficient[J]. The Statistician, 1990, 39(4): 455-460. DOI: 455

战泉茹. 基于最大信息系数的人脸特征选择[D]. 长春: 东北师范大学, 2013: 7-13.

Reshef D N, Reshef Y A, Finucane H K, et al. Detecting novel associations in large data sets[J]. Science, 2011, 334(6062): 1518-1524. DOI: 1518

David N R, Yakir A R, Hilary K F. Detecting novel associations in large datasets[J]. Science, 2011, 334(6062): 1518-1524. DOI: 1518

Ernesto P, Rodrigo Q Q, Joydeep B. Nonlinear multivariate analysis of neurophysiological signals[J]. Progress in Neurobiology, 2005, 77(1): 1-37. DOI: 1

郭辉. 多线程的效率[J]. 计算机应用, 2008, 28(s2): 141-143. DOI: 141

詹曙, 李敏, 徐甲甲, 等. 局域化互信息度量的ACM下医学图像的分割[J]. 电子测量与仪器学报, 2013, 27(4): 340-346. DOI: 340

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于监控指标关联性的微服务异常检测

面向处理器分支预测单元的Spectre攻击轻量化防御方法

一种用于极低压boost系统的高效率电荷泵

V型沟槽SiC中子探测器的蒙特卡洛分析

超低功耗实时时钟电路的设计