一种基于密度的快速聚类算法

聚类是数据挖掘领域中的一个重要研究方向,聚类技术在统计数据分析、模式识别、图像处理等领域有广泛应用,迄今为止人们提出了许多用于大规模数据库的聚类算法。基于密度的聚类算法DBSCAN就是一个典型代表。以DBSCAN为基础,提出了一种基于密度的快速聚类算法。新算法以核心对象领域中所有对象的代表对象为种子对象来扩展类,从而减少区域查询次数,降低I/O开销,实现快速聚类,对二维空间数据测试表明：快速算法能够有效地对大规模数据库进行聚类,速度上数倍于已有DBSCAN算法。     

互关联后继树在时间序列特征模式挖掘中的应用

在文献[1]中提出的基于互关联后继树（IRST）的时间序列特征模式挖掘方法的基础上,加入了时间窗口的概念,以弥补IRST这种原本应用于文本检索中的索引模型在时间序列应用中的不足.对IRST以及挖掘算法做出了改进,弥补了其只能挖掘出紧密衔接特征模式的缺陷.实验结果表明,该方法可以挖掘出更多更具应用价值的特征模式.     

一个基于Web资源采样特征的元搜索引擎

随着Internet的快速发展,Web信息量急剧增加,Web信息检索也相应地越来越困难.本文提出利用查询采样、Web资源分类等技术,自动创建类似Yahoo!的分类层次资源特征,建立一个树型的Web资源特征检索系统.由于采样时只需采集同类信息的一部分,避免了全部采集带来的大量物力浪费.利用创建的资源特征,在检索时选择需要的资源.然后再利用互操作机制,远程调用该资源的全文索引机制进行检索,提高了检索的查全率和查准率.同时由于要检索的Web资源特征是通过选择相关和抛弃不太相关的Web资源,也提高了查询的效率.     

基于模板的数据层-表现层映射引擎

通过对表现层的研究，将其划分为网格和主细两种模式，并将表现层上的界面元素归纳9种类型。在此基础上，提出并实现了一个基于模板的数据层到表现层的映射引擎。该引擎提供了数据层到表现层的直接映射能力，保证了界面元素风格的统一性，有效提高了界面构建的效率。     

基于kNN的快速WEB文档分类

根据测试文档在各个样本类中的分布情况，发现了基于kNN分类的两个有助于减少大量计算的重要性质，在此基础上提出了两个重要算法：排类算法和归类算法，从而构建了一个基于kNN的快速Web文档分类方法．理论与实验表明，这种方法可以在不影响原有准确率的条件下，可提高文档的分类速度．     

基于邻接矩阵全文索引模型的文本压缩技术

基于不定长单词的压缩模型的压缩效率高于基于字符的压缩模型,但是它的最优符号集的寻找算法是NP完全问题,本文提出了一种基于贪心算法的计算最小汉字平均熵的方法,发现一个局部最优的单词表。这种方法的关键是将文本的邻接矩阵索引作为统计基础,邻接矩阵全文索引是论文提出的一种新的全文索引模型,它忠实地反映了原始文本,很利于进行原始文本的初步统计,因此算法效率得以提高,其时间复杂度与文本的汉字种数成线性关系,能够适应在线需要。并且,算法生成的压缩模型的压缩比是0.47,比基于字的压缩模型的压缩效率提高25%。     

基于多分辨率特征的图像镶嵌技术

图像镶嵌是IBR研究的热点技术之一,而其核心问题是图像配准。为了配准两帧图像,必须寻找两帧图像对之间的坐标变换。该文提出的基于多分辨率特征的方法有效地实现了图像间的8-参数投影变换模型的估计。该方法经测试效果良好。     

XPath中的文本查询研究

介绍了一种能够统一地索引全文数据与XML树型结构数据的模型——互关联后继树,提出了后继模式树的概念,使用后继模式树有效地处理了XPath中的正则查询问题。在后继模式树的基础上提出了XPath中节点与文本的联合查询方法。结果表明该方法能够有效地提高XPath中节点与文本联合查询的效率。     

基于后继区间的互关联后继树搜索算法

全文检索领域的关键问题是索引模型以及该模型之上的高效搜索算法，基于一种优秀的全文索引模型互关联后继树提出了基于后继区间的搜索算法，大大提升了全文的检索速度，从而更加充分地体现了互关联后继树模型在全文领域的优势。     

利用CORBA和XML集成通用虚拟数据库

本文说明在Internet中建立虚拟数据库的必要性和重要性,通过虚拟图书馆实例介绍了虚拟数据库的工作原理和基本构件,探讨了一个基于OCRBA和XML技术的通用虚拟数据库模型,具体地说明了CORBA和XML在实现通用虚拟数据库中所起的作用。