摘要

p中心问题包括从一组候选项中选择p个中心，以最大程度地减少任何客户端与其指定中心之间的最大距离。在本文中，我们将p中心问题转化为一系列覆盖子问题，并提出了一种基于顶点加权的禁忌搜索（VWTS）算法来解决这些问题。提出的VWTS算法融合了不同特征 例如顶点权重技术和禁忌搜索策略，以帮助搜索跳出局部最优值。在138个最常用的基准实例上进行的计算实验表明，尽管VWTS简单易行，但与最新技术相比，它具有很高的竞争力。作为已经研究了半个多世纪的众所周知的NP难题，打破这些经典数据集的记录是一项艰巨的任务。然而，VWTS改善了54个大型实例中14个的最著名结果，并匹配了其余84个实例的最佳结果。另外，VWTS所花费的计算时间比文献中的其他算法要短得多。

常用方法：自编码器，LSTM，CNN，SVM等

本文提出了一种新颖的框架，用于通过一组一般功能来表示视频数据，这些功能是通过深度学习方法从较长的视频镜头中自动推断出来的。 具体而言，由卷积自动编码器堆栈组成的深度神经网络以无监督的方式处理视频帧，该视频帧捕获了数据中的空间结构，这些空间结构组合在一起构成了视频表示。 然后，该表示被馈送到卷积时间自动编码器的堆栈中，以学习规则的时间模式。