一种联系数表达的位置不确定数据流聚类算法

在不确定数据流聚类算法的研究中,位置不确定性是一种新的不确定数据类型.已有的不确定数据模型不能很好地描述和处理位置不确定数据.鉴于此,在提出基于联系数的位置不确定数据模型、联系距离函数、微簇密度可达性等主要概念的基础上,提出了一种联系数表达的位置不确定数据流聚类算法--UCNStream.数据流聚类算法采用在线/离线两级处理框架,使用基于密度峰值思想的初始化策略,定义了新的可动态维护的微簇聚类特征向量.利用衰减函数和微簇删除机制对微簇进行在线维护,准确地反映了数据流的演化过程.最后,分析了算法的计算复杂性,并通过对实际数据集上的实验与几种优秀的聚类算法进行了比较,实验结果表明,UCNStream算法具有较高的聚类精度和处理效率.     

保持异构数据库集群系统动态平衡的策略研究

针对异构数据库集群系统中的数据分布平衡问题,提出改进的Range数据划分(IR)方法,不仅充分利用了集群中各异构节点的计算能力,还使系统负载在尽可能长的时间内不发生数据倾斜,保持系统均衡.对于在负载访问过程中引起的数据倾斜问题本文进一步设计了联机的数据迁移算法.在搭建的实验平台上测试表明IR数据划分方式比传统的均匀Range数据分布和PBH算法有更高的系统吞吐率和更好的系统可扩展性.     

一种改进的关联规则增量式更新算法

针对增量式更新关联规则算法FUP会产生大量候选项集和多次扫描数据库的问题,提出改进算法PFUP。该算法借鉴强频繁项集概念,利用强频繁项集连接生成小数量的候选项集,采用预剪枝策略减少对数据库的扫描次数。仿真实验表明,在数据库和支持度相同的情况下,PFUP算法的执行时间比FUP算法减少了50%左右。     

JFFS3闪存文件系统的分析与改进①

对Flash的硬件特性和JFFS3文件系统进行了分析和研究。分析了JFFS3中垃圾回收策略存在的问题,在充分结合闪存自身读写特点并且不修改JFFS3基本B+树结构的基础上,对JFFS3文件系统的垃圾回收策略提出了改进方案。     

基于联系数的网络计划与控制新方法初探

对集对分析中的联系数,首次引入了联系数集合的极大值概念并研究了运算性质。在此基础上,讨论了工程中因未知的和难以估计的因素引起的工期不确定性的表达和处理方法。结果表明,用联系数进行网络计划与控制,比传统的网络计划方法提供了更多有价值的信息,具有更灵活的处理能力,是值得深入研究的问题。     

一种基于Vague集的P2P网格主观信任模型

在诸如文件共享等无中心的P2P环境下,资源共享是用户自愿的行为,由于用户不为自身的行为承担任何法律责任,因而很难通过传统的信任机制来建立用户之间的信任,现有的模型不能很好的解决信任的主观性表述问题.针对该问题,参考社会学的人际关系模型和Bayesian网络信任模型,在Vague集合理论基础上,提出了一种基于推荐的主观信任管理模型,用于量化和评估节点的可信度,给出了模型的数学表述和计算方法.最后通过实例验证了模型的可行性.     

本体模型及其在语义Web中的本体描述语言

通过对下一代Web—语义Web以及用于描述其概念结构的本体模型的介绍,分析了现有的最具代表性的几种本体模型描述语言,通过比较它们各自的优点和局限,讨论在不同的语义Web应用中对语言的选择。