基于时间变元绑定的双时态索引模型研究

在基于点方法的双时态索引算法基础上,引入了时间变元绑定的形式化描述,扩充了其索引的双时态数据,使由于时间变元绑定而导致数据错误的双时态索引问题得以解决,给出了相应的数据变换和查询变换模型,并指出了其实现方式.     

考虑时间序列特征的水资源耦合系统有序度评价方法研究

【目的】近些年来,基于协同学的耦合系统有序度评价方法在水资源评价和管理领域逐渐得到成功应用。系统有序度评价需要综合考虑多个序参量的简单巨系统熵,现阶段简单巨系统熵计算忽略了序参量的时间序列特征,使得评价结果中系统有序度评价结果偏离和系统实际变化情况。【方法】为此,在简单巨系统熵计算中考虑时间因素,提出了一种考虑时间序列特征的协同学有序度评价方法。【结果】以江西省为研究对象,开展了水资源耦合系统有序度综合评价实例检验。【结论】相关实例分析表明：(1)研究提出的考虑时间序列特征的协同学有序度方法评价结果,相比不考虑时间序列特征的评价结果与系统实际演化态势更为贴近;(2)水资源子系统有序度受水资源丰枯变化影响较大;(3)江西省水资源耦合系统熵变值受水资源子系统熵变值影响较大。研究成果提升了协同学有序度评价方法在水资源系统综合评价相关领域应用的普适性,具有一定实际意义。     

SQL Server数据表范式细化设计教学研究

在数据库系统及应用教学中,传统教学采用数学公式对关系模型数据表范式设计进行定义和描述,使多数学生理解得不是很透彻.就此问题,文章通过实例探讨了关系数据库SQL Server数据表范式设计的教学,使得教师可以简单教学,学生易于理解,对于数据库设计能力有进一步的提高,对教学质量有进一步的提升.     

基于SLIC和马尔科夫随机场的H.264视频对象分割

为了提高H.264压缩域视频对象分割时的鲁棒性和准确性,提出了一种基于简单线性迭代聚类(SLIC)和图割优化的马尔科夫随机场(MRF)运动对象分割算法.算法直接利用从摄像机产生的H.264压缩码流中提取的运动矢量.首先对运动矢量场进行预处理,然后构建基于改进的SLIC分割的马尔科夫模型能量函数,最后利用图割法求解能量函数进而分割出运动对象.在公开的数据集上进行实验表明,与近年来经典压缩域视频对象分割算法相比,上述算法在复杂背景下可以有效提高分割的准确率和F度量,运算速度平均提高约1.85倍.与先进的像素域分割方法相比,运算速度提高了5倍,算法适用于实时性要求较高的视频监控场合,可有效减少数据存储和处理的内存需求.     

分布式多空间数据库复杂时态数据提取技术

由于时态数据的处理过程中存在数据片面性的问题,加之其历史复杂性,如果依然采用传统的方法不能对时态数据予以完全描述,而相似性训练算法也无法对动态复杂的时态数据予以准确匹配,导致提取效果不佳,所提取的数据存在误差。由于这种提取方法精确度不高,就需要采用新的方式,分布式多空间数据库复杂时态数据提取技术可以获得良好的效果。健康动态化的径向基神经网络设计出来,采用建模的方法对分布式多空间数据库中所产生的未知动态予以分析、进行辨识,将模型建立起来,对时态数据进行描述。对于所获得结果采用加权的方法进行处理。输入方式复杂时态数据序列,输出方式加权时态关联规则,都采用描述的方法体现出来,运用大数据挖掘技术将有价值的信息提取出来。通过向量计算,得到加权时态频繁项1项集和2项集,并以加权时态频繁项集作为依据将初始频繁项集树建立起来;根据初始频繁项集树就可以得到所有的时态频繁项集;根据运用频繁项集就可以促使加权时态关联规则生成。从所有关联规则中选择规则的时候,要考虑到优先级,构建提取装置,对复杂时态数据有效提取,即便时态数据比较复杂,也可以提取。根据实验所获得的结果明确,这种方法操作比较简单,所提取结果更有较高的精确度,而且全面可靠。本论文着重于研究分布式多空间数据库复杂时态数据提取技术。     

基于单哈希多维布隆过滤器的DDS自动发现算法

SDPBloom算法减小了基于简单发现协议的自动发现算法SDP_ADA的网络数据传输量和内存消耗,但在自动发现过程中存在哈希运算量大的问题,导致参与者端点之间发布/订阅消息的时间过长.为解决这一问题,在简单发现协议的基础上,提出一种基于单哈希多维布隆过滤器的自动发现算法SDP_OMBF.该算法将单哈希多维布隆过滤器向量(OMBF)用于参与者端点信息的匹配.实验结果表明,该算法提高了数据分发服务(Data Distribution Service,DDS)自动发现过程中的实时性.     

基于SLIC和区域生长的目标分割算法

传统区域生长算法的分割结果依赖于种子点的选取,且图像自身的噪声以及灰度值不均匀等问题易在分割目标过程中形成分割空洞,针对以上问题提出了基于超像素的改进区域生长算法。采用拉普拉斯锐化,增强待分割目标边界,之后根据像素灰度相似的特征采用SLIC（简单线性迭代聚类算法）超像素分割将原始图像分割成若干不规则区域,建立不规则区域间的无向加权图,选取种子区域,根据无向加权图以分割好的不规则区域为单位进行区域生长,最后在分割目标边缘处以像素为单位做区域生长,细化边界。对比于传统区域生长算法,改进后的算法在分割结果上受种子点选取影响较小,且能有效地解决分割空洞等问题。对比于聚类分割,Otsu（最大类间方差）阈值分割法等典型算法,该算法在分割精度上具有明显优势。     

人工智能范式的革命与通用智能理论的创生

人工智能的研究取得了不少可喜的进展,也面临着许多严峻的挑战。为了应对这些挑战,学术界提出了各种各样的研究思路。笔者相信,每种思路都有其合理之处,都有可能获得一定的成效。不过,根据笔者的理解,人工智能面临的最深刻最严峻的挑战,是学科和时代的大转变所带来的大阵痛:人工智能范式的张冠李戴。因此,必须对人工智能的范式实施“正冠”:颠覆传统学科范式对人工智能研究的束缚,确立信息学科范式对人工智能研究的规范和引领。实施人工智能范式革命的结果,创生了本文要介绍的“通用智能理论”。     

从中介语视角分析工程硕士英语会话的句法范式

通过话语分析的方法分析46名工程硕士研究生英语会话语料,旨在研究工程硕士研究生英语中介语使用中有哪些常用句法范式。介绍中介语研究的现状及问题、中介语及句法范式的概念,并详细阐述语料收集和分析方法。在结果与讨论中总结工程硕士研究生英语会话中的常用句法范式,即"I think"句型和意合句式,并提出对英语教学的启示。