一种挖掘多维序列模式的有效方法

提出了一种新的多维序列模式挖掘算法,首先在序列信息中挖掘序列模式,然后针对每个序列模式,在包含此模式的所有元组中的多维信息中挖掘频繁1-项集,由得到的频繁1-项集开始,循环的由频繁（k-1）-项集（k>1）连接生成频繁k项集,从而得到所有的多维模式。该算法通过扫描不断缩小的频繁（k-1）-项集来生成频繁k项集,减少了扫描投影数据库的次数,因而减少了时间开销,实验表明该算法有较高的挖掘效率。     

基于CAD系统的协同设计研究

文中讨论了基于ＣＡＤ系统的协同设计的有关问题,提出了基于语义共享、客户／服务器模式,支持同步和异步合作的协同设计模型,并具体说明了模型中各个层次的功能．     

城市污染源预警及应急系统的开发研究*

通过分析环境污染的危害性,提出了开发基于Web GIS的污染源预警及应急系统的必要性。介绍了此系统的需求目标,在此基础上阐述了系统的体系结构、数据组织方式以及系统主要功能。     

时空数据库索引研究

时空数据库为了快速访问其庞大的数据量,必须建立有效的时空索引以提高各类时空查询效率.本文提出了一种基于3D R-tree算法的时空索引方法:3D R*-tree.3D R*-tree是利用"退化模型"和R*-tree对3D R-tree进行了有效的扩展,有更好的查询效率且支持在线数据模式,较之3D R-tree和HR-tree在查询效率上有明显的提高,在文中给出了关键的数据结构和试验对比结果.     

基于贝叶斯方法和变化表的恐怖行为预测算法

传统的恐怖行为预测算法没有考虑到组织会改变其行为策略,而CAPE算法根据组织背景的改变预测行为变化,但其只能根据变化表中存在的背景变化预测行为。为了能根据任意背景变化预测恐怖行为,针对恐怖数据高维小样本的特点,提出了一种 利用贝叶斯方法在改进的变化表上预测组织行为的算法。利用贝叶斯方法可快速有效地解决高维小样本分类问题的特性,在改进的变化表上实现对组织行为的预测,从而提高了预测精度和计算效率。此外,考虑到背景的变化会在时间序列上对组织行为产生持续的影响,因此在不同时间滞差下,利用加权的贝叶斯方法预测组织行为。MAROB数据集上多个组织数据的实验结果也表明,所提算法在准确率及时间复杂度上优于CAPE算法。     

改进k-means聚类算法在图像检索中的应用研究

为了从大规模图像数据库中快速而准确地检索到所需图像,提出了一种结合图像特征索引库和平均面积直方图的方法。通过图像特征索引库减少对图像数据库的访问次数和访问数据量,实现对图像的快速检索。使用平均面积直方图方法,增强算法区分空间差异的能力,使得检索结果与人的视觉感受更加吻合。实验结果亦表明,该方法提高了图像检索的速度和精度。     

基于小波变换的分布式隐私保护聚类算法

针对现有隐私保护聚类算法无法满足效率与隐私之间较好折中的问题,提出一种基于安全多方计算(SMC)与数据扰动相结合的分布式隐私保护聚类算法。各数据方用小波变换实现数据压缩和信息隐藏,并用属性列的随机重排来防止数据重构可能产生的信息泄露。该算法仅使用压缩重排后的数据参与分布聚类计算,因此计算量和通信量小,算法效率高,而多重保护措施有效保护了隐私数据。因小波变换具有高保真性,所以聚类精度受小波变换的影响较小。理论分析和实验结果表明,所提算法安全高效,在处理高维数据时全局F测量值和执行效率优于基于Haar小波的离散余弦变换(DCT-H)算法,解决了效率与隐私之间的折中问题。     

基于空间约束的离群点挖掘

由于现有的空间离群点检测算法没有很好地解决空间数据的自相关性和异质性约束问题,提出用计算邻域距离的方法解决空间自相关性约束问题,用计算空间局部离群系数的方法解决空间异质性约束问题。用离群系数表示对象的离群程度,并将离群系数按降序排列,取离群系数最大的前m个对象为离群点,据此提出基于空间约束的离群点挖掘算法。实验结果表明,所提算法比已有算法具有更高的检测精度、更低的用户依赖性和更高的效率。