后继序列有序的互关联后继树创建和搜索算法

研究针对全文检索领域的索引结构模型,基于二元互关联后继树模型,提出并实现了一个后继序列有序的后继树模型,然后利用此索引模型实现查询操作的优化。     

基于三元互关联后继树的Web日志挖掘

针对二元的互关联后继树模型进行改进,构造三元互关联后继树,并结合Web日志的特点,构造Web事务集的互关联后继树和增量更新模型,设计基于三元互关联后继树的频繁路径挖掘算法,挖掘Web日志中的频繁路径。通过实验证明了基于三元互关联后继树和改进后的模型的出色插入查询性能。     

一个改进的互关联后继树数据模型

介绍了一种新型的全文数据库模型——互关联后继树，阐述它与其它全文数据库模型相比在呈现非结构化信息的存储和检索中的巨大优势，并探讨了面对呈现指数增长的非结构化的海量信息时如何提高其性能。     

二元互关联后继树精简索引模型研究

全文检索领域的关键问题是索引模型以及索引的创建与检索算法.基于二元互关联后继树模型,提出一个实用性能好的后继节点有序的后继树精简索引模型(SIRST),并给出此模型下索引的创建与检索算法.通过将该模型与使用广泛的倒排文件模型(IF)进行比较,表明SIRST的检索效率远远高于IF,同时,随着文本集规模越来越大,SIRST的创建效率优势愈发明显.     

基于互关联后继树的Web日志挖掘技术

本文将互关联后继树(Inter-Related Suffix Tree，IRST)模型应用于Web日志事务挖掘，构造Web日志事务集的互关联后继树结构，从中挖掘频繁路径。通过实验证明了基于IRST的Web日志挖掘系统有优秀的性能。     

基于互关联后继树的多库合并建库算法

针对全文检索领域的索引结构模型的研究,基于后继有序的互关联后继树模型,提出并实现了多库合并建库算法,这大大增加了可建索引库的容量,同时提高了建库的效率。     

基于互关联后继树的时序模式挖掘

时间序列是现实生活中常见的数据形式之一.在时间序列中发现频繁模式是分析时间序列变化规律的一项重要任务本文提出一种基于互关联后继树模型的时间序列频繁模式发现方法.该方法依据序列重要点进行分段,引人相对斜率值并结合领域知识将序列符号化,在此基础上提出一种互关联后继树的新型挖掘算法,实现了时序频繁模式的发现理论与实验表明,该方法简单、直观、高效,具有实用价值.     

一个基于三元互关联后继树的多功能全文检索系统

针对全文检索领域的索引结构模型的研究,基于三元互关联后继树模型,提出并实现了一个存储结构良好的索引系统.利用该系统实现了多种有效的查询.     

基于互关联后继树的概念格构造算法

概念格是知识工程中一个重要的知识表达工具，同时也是形式概念分析的核心．目前已出现了许多有效的概念格构造算法．提出了一个基于互关联后继树的概念格构造算法，以扩展的互关联后继树为数据模型，通过对树的搜索和相关判定定理完成所有形式概念的生成．分析了算法的性能，并做出相关结论．     

基于互关联后继树的多时间序列关联模式挖掘

时间序列是现实生活中常见的数据形式之一，在时间序列中发现频繁模式是分析时间序列变化规律的一项重要任务．提出基于互关联后继树的多时间序列关联模式挖掘算法．该算法首先用Allen逻辑位置关系来描述序列状态关系，根据这些关系在时间窗口内顺序或并行出现情况，获得一个由这些关系组成的特殊序列．在此基础上提出了一个基于互关联后继树的新型挖掘模型，实现了序列间关联模式的挖掘．与其他方法相比，该算法简单、直观，而且整个挖掘过程不需要生成候选模式，大大提高挖掘效率．     

XPath中的文本查询研究

介绍了一种能够统一地索引全文数据与XML树型结构数据的模型——互关联后继树，提出了后继模式树的概念，使用后继模式树有效地处理了XPath中的正则查询问题。在后继模式树的基础上提出了XPath中节点与文本的联合查询方法。结果表明该方法能够有效地提高XPath中节点与文本联合查询的效率。     

基于互关联后继树的频繁模式挖掘研究

关联规则挖掘是数据挖掘的一个重要的研究内容，而产生频繁模式集是关联规则挖掘的第1步工作。很多传统的频繁模式挖掘算法都需要产生候选模式集，因而效率很低。该文提出了一种不需要产生候选集，而直接构造频繁集的频繁模式挖掘算法——基于互关联后继树的频繁模式挖掘算法。实验证明，该算法具有较好的性能。     

基于多级顺序排除算法(MSEA)的改进

块匹配运动估计是视频编码国际标准中广泛采用的关键技术.许多快速块匹配法通过限制搜索点数来减少运算量,但与全搜索算法相比极易出现匹配误差.该文介绍了一种应用新的判别条件的多级顺序排除算法（MSEA）,并在此基础上提出一种新的算法,该算法引入了尺度化的部分失真消除（PDE）技术,用于尺度化累积部分误差和当前最小误差.实验证明,相对于一脉相承的同为穷举搜索算法的全搜索算法（FS）、顺序排除算法（SEA）、多级顺序排除算法（MSEA）等,该算法大幅度提高了搜索效率.与多级顺序排除算法相比,平均每宏块节省了大约75%的运算次数.该算法在保证图像质量的前提下,使视频编码的速度大大提高.     

基于H.26L多参考帧运动估计的研究及其新算法

主要讨论了H.26L协议多参考帧运动估计的思想,提出了实现多参考帧运动估计的新算法.在传统的连续消除算法(SEA)基础上设计了“连续中心外螺旋搜索算法(SCOS)”.这个算法主要根据多参考帧特点改进了运动搜索的起始点设置方法和螺旋向外的搜索路径.通过采用这个算法,使得多参考帧运动估计不仅精度能和全局搜索(Full Search)相同,而且计算量缩短25%,时间缩短7%左右.     

基于连续消除的六边形自适应搜索算法

结合连续消除算法提出了一种新的运动估计算法——基于连续消除的六边形自适应搜索算法，该算法采用六边形和小菱形搜索模板，并利用连续消除算法对每个待匹配点进行判断，减少待匹配点的个数。试验结果表明，该算法的搜索速度优于现有的快速运动估计算法，搜索精度接近于全搜索算法。     

基于逐次超松弛技术的Double Speedy Q-Learning算法

Q-Learning是目前一种主流的强化学习算法,但其在随机环境中收敛速度不佳,之前的研究针对Speedy Q-Learning存在的过估计问题进行改进,提出了Double Speedy Q-Learning算法.但Double Speedy Q-Learning算法并未考虑随机环境中存在的自循环结构,即代理执行动作时...