低空间复杂度的LSH算法及其在图像检索中的应用

局部敏感哈希LSH算法是有效的高维数据索引方法,如何生成哈希函数是算法的关键部分。LSH算法的哈希函数是基于p-稳态分布随机生成的,为了提高算法性能就需要增加哈希表的数量,但这会增加算法的空间复杂度。改进后的LSH算法(I-LSH)在生成哈希函数时不需要有标记的训练样本,而是仅仅利用数据点的分布信息构造投影方向。实验结果表明,在不显著降低检索性能的情况下,ILSH有效地降低了内存的使用量,适合处理大规模数据。     

基于资源空间模型的MOOC异构资源索引方法

在已有的资源空间模型系统的基础上,本文提出了一种构建一个统一的索引作为MOOC异构资源管理的方式,并基于MOOC数据的特殊点建立的索引,使得索引直接与用户查询输入相关,从而设计出一种于用户查询的MOOC数据索引方法。     

区间灰色不确定语言多属性群决策方法

针对属性值为区间灰色不确定语言信息的多属性群决策问题,在定义区间灰色不确定语言变量及其运算规则的基础上,给出了3种几何加权集结算子,由区间灰色不确定语言几何加权算子集结各决策者给出的决策矩阵得到群体决策矩阵。在属性权重已知的情形下,基于该算子集结单个决策者给出的属性权重向量得到群体属性权重向量;在属性权重完全未知的情形下,采用信息熵法确定属性权重向量。采用区间灰色不确定语言混合几何加权算子集结各属性评价信息,得到各方案的综合评价值,基于区间灰色不确定语言变量大小比较的方法得到方案排序结果。算例分析表明了该方法的有效性与可行性。     

区间值模糊决策序信息系统的部分一致约简

实际问题中,事物的一些属性值介于某个范围之间,常被用来刻画信息系统中的不确定信息。为了表达这种情况,属性值通常用模糊区间来表示,这种信息系统就是区间值模糊信息系统。本文通过在带有决策的区间值模糊信息系统中引入优势关系,建立区间值模糊决策序信息系统。在此基础上构造部分一致函数来简化知识的表达,并获得部分一致约简的判定定理,通过可辨识属性集和可辨识矩阵提供不协调的区间值模糊序信息系统的部分一致约简的具体方法,并结合投资风险这一具体案例的求解分析,进一步阐述了对部分一致约简研究的意义,丰富了区间值模糊序决策信息系统中的粗糙集方法。     

基于河道径流可变区间的河流水资源可开发利用率分析

为了确定水电开发活动对河流水资源的可开发利用率,建立分期展布的河道径流可变区间核算方法,其中河道径流包括河道最小生态需水和河道最大洪流,并以西藏拉萨河为例进行核算。结果表明:拉萨河河道最小生态需水和最大洪流年内动态变化分别为29.5~328.3 m3/s和95.1~1 673.4 m3/s。与河道最小生态需水约束相比,河道径流可变区间约束使得拉萨河年调节型水电开发的水资源可开发利用率从60.2%下降到18.7%。指出对于径流丰枯特征十分明显的季节性河流,大型水利工程在平衡径流季节分布的过程中,应该受河道径流可变区间约束,尤其是枯水期最大洪流约束下河道径流量的可增加空间。     

高校毕业生就业信息搜索引擎的设计与实现

由于高校行政管理体制分割以及高校的保护主义,各高校信息网的就业信息基本是分立甚至是隔绝的,鲜有院校相互合作、共享就业信息。为把这些存储高校毕业生就业信息的信息孤岛连接在一起,给广大毕业生和用人单位搭建一个畅通的无障碍的沟通桥梁,笔者研究并实现了一个高校毕业生就业信息搜索引擎系统,阐述了就业信息采集器的算法及原理,利用多线程技术实现了就业信息采集器;建立了中文分词、索引算法,对命中的词语进行了高亮显示。     

索引对Oracle Database优化的探讨

在系统的应用过程中,数据库性能问题一直是决策者和技术人员共同关注的焦点,影响数据库性能的因素有很多,选择合适的索引能有效地提升查询性能。在select和where子句的列上创建连接索引,这样查询就只会访问索引,从而优化查询的性能,提升系统响应速度,节约系统资源。     

Scopus数据库简介

Scopus是Elsevier公司于2004年推出的多学科文摘索引型数据库,收录了来自于全球5000余家出版社的近19000种来源文献,内容涵盖数学、物理、化     

一种基于Lucene的面向主题爬行搜索引擎的研究

本文简要介绍了主题搜索的基本概念以及Lucene的基本结构。研究了面向主题搜索引擎的实现和优化,提出了JE中文分词实现方法,主题索引系统的构建,完成了一个高性能的主题搜索引擎系统。     

瑞利分布的可靠性分析

基于逐步增加Ⅱ型截尾样本,研究了瑞利分布可靠性指标的贝叶斯估计及其容许性。在不同的损失函数下给出了分布参数、可靠度函数、失效率函数的贝叶斯估计及参数的最短可信区间估计,并证明了贝叶斯估计具有容许性。最后运用蒙特卡洛方法对各结果的均方误差进行了比较。