基于搜索引擎的模糊字频统计

针对传统字频统计方法周期长、代价高的弱点,提出了一种利用互联网内容并借助搜索引擎检索进行汉字模糊字频统计的全新方法,有效利用了网络时代的相关技术和发展成果,在一定程度上缓解了字频统计需求频繁的和传统统计方法的低效且代价高昂之间的矛盾,同时对该方法进行了实例化的分析、验证和改进.     

三值光学计算机数据位与运算部件像素的映射技术

为有效利用运算部件像素资源,在介绍了降值设计理论.三值逻辑光学运算部件结构、三值逻辑光学运算器使用像素的情况等问题之后,提出并详尽讨论了三值光学计算机数据位与光学运算部件像素之间的一种映射方法.该方法包含了"以像素位为单位"进行映射,"像素组合互补性优先"、"定时映射"等策略.采用了"定时映射等待队列一、"构造像素组合互补运算器组"等关键技术.描述了相应程序的流程,并给出了相应的实验方法,验证了该方法的可行性和有效性.     

基于加权的本体相似度计算方法

为优化基于本体的语义推理效果,提出了对本体中概念结点赋予权重的相似度计算方法.通过定义本体树中深度因子和密度因子,以解决本体中概念深度与密度对相似度计算的影响.利用Jena API、Lucene等开源工具包,提出了查询扩展方法.实验结果表明,提出的基于加权语义相似度计算模型与传统的计算法方法以及主观判断的方法相比,提高了相似度计算的准确性,效率有明显提高.     

带有阀值的自适应混合搜索算法的设计与实现

针对多模式的块匹配运动估计技术中的运动搜索算法部分,研究了目前广泛使用的如三步法、菱形法等经典搜索算法,分析了其在实现编码过程中性能上速度和精度两方面的优势与劣势.在此基础上,结合相邻宏块的运动相关性,通过预测MV判断搜索起始点,并且在运动搜索中引入了一种依据阀值的提前终止策略,从而提出了一种新的带有阀值的自适应混合搜索算法.通过采用经典的JM8.6模型进行的仿真验证,结果表明该算法既显著降低了编码复杂度,又保证了预测的有效行和健壮性,具有很强的实用性.     

适于高维空间搜索的自组织学习算法

提出了一种有别于当前优化算法框架的自组织学习算法(self-organizing learning algorithm,SLA),该算法融合遗传算法并行搜索与模拟退火串行搜索,结合粒子群学习机制和禁忌搜索机制,实现了系统与环境的交互学习,能够很好地处理传统优化方无法应对的高维非线性优化问题.SLA分自学习和互学习两个智能化学习阶段,先进行基于自学习机制的邻域禁忌搜索,保证局部极值的收敛,然后通过信息共享平台,进行基于互学习机制的广域禁忌搜索,保证全局极值的收敛.系统通过与环境交互学习而自适应地调整搜索策略和相关参数,使得搜索过程能够有效地避免盲目性,而具有相当的自组织性.最后,通过高维测试函数的对比仿真实验表明,SLA在由小型低维空间转入超大型高维空间时,仍能够与环境保持稳定,透明的交互学习,其全局搜索能力和整体稳健性明显优于其它搜索方法.     

流媒体视频存储服务器设计与研究

详细分析了在视频监控系统中流媒体视频存储服务器的作用和功能,针对传统的流媒体定时长存储方式的不足提出了"固定空间存储"的新策略.该存储策略将总空间初始化为多个固定大小的数据文件,每个数据文件中存储的流媒体时长可能是不相同的.针对新存储策略下出现的"1秒尾巴","事件尾巴"等新问题,提出了解决方案."固定空间存储"策略虽然增加了索引的复杂度,但是有效避免了磁盘碎片的产生,对于改善流媒体视频存储服务器性能具有重要作用.     

主题Deep Web爬虫框架研究

为满足用户精确化和个性化获取信息的需要,通过分析Deep Web信息的特点,提出了一个可搜索不同主题Deep Web 信息的爬虫框架.针对爬虫框架中Deep Web数据库发现和Deep Web爬虫爬行策略两个难题,分别提出了使用通用搜索引擎以加快发现不同主题的Deep Web数据库和采用常用字最大限度下载Deep Web信息的技术.实验结果表明了该框架采用的技术是可行的.     

基于决策树规则的分类算法研究

在商业利益的驱动下,人们不断地深入研究决策树算法.为了提高分类的精度,提出了一种基于决策树规则的分类算法.通过C4.5决策树算法得出决策规则,计算决策规则的长度,准确率与覆盖率,对所得的决策规则依次按照规则长度与准确率的乘积大小、长度的大小、覆盖率的大小对规则集进行排序构造分类器,选择优选权最高的规则进行匹配分类.实验结果表明,与C4.5算法相比,该方法的分类精度有所提高.     

网络检索用户行为可靠性分析

基于大规模真实网络用户的行为日志,对用户与网络搜索引擎系统的交互过程和用户决策过程展开研究.通过比较具有相关信息的用户点击和普通点击的分布,对用户点击的3类上下文背景特征进行分析,从而实现对用户点击的可靠性评估.实验结果表明,通过对用户点击的上下文背景的特征分析,能够发现用户检索行为中的思维决策过程,并进而对用户点击的可靠性进行有效的评估.     

差分演化的收敛性分析与算法改进

为了分析差分演化(differential evolution,简称DE)的收敛性并改善其算法性能,首先将差分算子(differential operator,简称DO)定义为解空间到解空间的笛卡尔积的一种随机映射,利用随机泛函理论中的随机压缩映射原理证明了DE的渐近收敛性;然后,在"拟物拟人算法"的启发下,通过对DE各进化模式的共性特征与性能差异的分析,提出了一种具有多进化模式协作的差分演化算法(differential evolution with multi-strategy cooperating evolution,简称MEDE),分析了它所具有的隐含特性,并在多模式差分算子(multi-strategy differential operator,简称MDO)定义的基础上证明了它的渐进收敛性.对5个经典测试函数的仿真计算结果表明,与原始的DE,DEfirDE和DEfirSPX等算法相比,MEDE算法在求解质量、适应性和鲁棒性方面均具有较明显的优势,非常适于求解复杂高维函数的数值最优化问题.