双时态周期数据模型的研究

在经典的时态数据模型HMAP的基础上，通过增加事务时间参数delay的方式，提出了一种支持多时间粒度，可以有效处理具有周期特性数据的双时态数据模型PMB，该数据模型可以有效地解决HMAP模型存储中记录条目繁多和时间交叉的问题，从而节约存储空间，提高数据的查询速度。 理论分析和实验结果表明PMB数据模型可以把需要存储为n条记录的数据简化为有限的几条，而且当n值很大，甚至无穷的时候，这种存储方式具有明显的优势。     

分布式关联规则挖掘中的聚类分区算法

在分布式关联规则挖掘中首先需要解决分布武环境下的聚类分区问题，该文基于CURE的工作原理，提出了D-CURE算法。实验证明，D-CURE算法可以很好地解决分布式环境下聚类分区问题。     

基于时间戳数据库的分布式多层时态关联规则挖掘

为了解决目前企业急需的交叉销售问题，提出了基于时间戳数据库的分布式多层时态关联规则挖掘问题，并实现了解决该问题的核心算法DMTARM。该算法减少了数据库的扫描次数，提高了内存的使用效率和通信效率。     

分布式多层关联规则挖掘

提出了在分布式环境下对于每一层使用不同支持度的多层关联规则挖掘问题及其算法DMARM。该算法使用轮询方法处理分布式系统中各个节点间的通信问题，在各个节点上利用集合“或”和“与”运算，在求候选频繁模式的同时求出了模式的支持度，减少了数据库的扫描次数。     

时空数据模型的研究与设计

在基于有向三角形的空间数据模型的基础上，融入了时态信息的存储、表示及操作。形成了一个较为完善的时空数据模型。该模型较好地处理了时态信息和空间信息的关系。为时空查询语言的研究与设计奠定了良好基础。     

M*(k)-index构造算法的改进

一些基于图结构的索引技术通过缩小查询范围提高对XML数据的查询速度，但存在分隔不相关节点的问题。该文改进M*(k)-index的构造算法，用单一的M**(k)-index结构取代原算法的序列结构，以避免存储序列成员中的节点与边及序列成员之间的链接，提高其存储性能和查询效率。实验结果表明，改进后的结构具有良好性能。     

基于约束的交互式频繁模式挖掘算法

频繁模式挖掘是数据挖掘领域中很重要的一部分.目前,出现了许多基于约束的频繁模式挖掘算法和交互式算法,但把两者结合起来的算法却很少.提出了一种基于约束的交互式频繁模式挖掘算法IMCFP(interactive mining of constraint-based frequent patterns).首先该算法按照约束的性质来建立频繁模式树,并且只需扫描一遍数据库;然后建立每个项的条件树,挖掘以该项为前缀的最大频繁模式,并用最大频繁模式树来存储;最后根据最大模式来找出所有的支持度明确的频繁模式.另外,该算法允许用户在挖掘过程中动态地改变约束.实验表明,该算法与iCFP算法相比是很有效的.     

FCISW:数据流中增量挖掘频繁闭项集的新方法

数据流频繁闭合模式挖掘是数据挖掘中的一大挑战.目前,在这方面的研究很少.提出了一种新的在滑动窗模型下发现频繁闭项集的算法--FCISW(frequent closed itemsets mining in sliding window).首先,FCISW算法在ST(suffix tree)结构中应用自底向上的遍历方式单遍有效地挖掘所有频繁闭项集,并将挖掘结果保存到一种新的bit_vector表结构中.当新的挖掘结果要存入bit_vector表时,它先与表中已存入的频繁闭项集进行位向量或操作,如果条件全部满足,再存入这个挖掘结果.这样可以大大提高频繁闭项集替换和重复比较的速度.最后,FCISW算法可以在滑动窗中快速有效地进行增量更新.实验证明,FCISW算法在内存应用和运行时间上都存在一定的优势.     

网络协议的构件化方法研究与实现

本文研究了基于构件的软件系统体系结构对构件化开发的作用,分析了现有Linux中TCP/IP的各部分功能及结构,提出了一种利用Linux的模块化机制实现TCP/IP协议栈的面向应用的构件化方法,并通过具体实现协议栈的构件化证明了该方法的可行性和优越性。     

基于H-tree的多维序列模式挖掘算法

提出了一种基于H-tree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,根据包含此模式的所有元组中的多维信息构造H-tree树,挖掘出相应的多维模式,从而得到了多维序列模式。该算法将多维分析方法与序列模式挖掘算法有效地结合在一起,当维度较高时具有较高的性能。