对不同类型轧花机轧出的皮棉品级的研究

品级检验是目前棉花检验的重要项目之一。自1972年全国棉花标准改革以来，我国的棉花品级检验就一直是以皮辊棉检验为主，即在收购过程中，将皮辊机试轧后所出皮棉对照国家皮辊棉实物标准进行定级；而以后的签证检验则是把大型锯齿轧花机（以下简称大锯齿机）轧出的皮棉对照国家锯齿棉实物标准进行定级。由于轧花机类型的不同，所扎出的皮棉类型也不同，再加上对照的品级实物标准又是不同类型，因此在近几年的实际工作中就产生了加工后皮棉升级级的现象。对这一问题不同单位持有不同意见，使棉花品级检验成为近年来扯皮最多的项目之一。为了改变这种局面，使棉花收购检验和签证检验能够在同一类型标准下进行，自1990年开始，国家物价局、纤检局、商业部、纺织部开始在全国范围内进行MJS－17锯齿型棉花衣分试轧机（以下简称小锯齿机）试轧的试验工作，这无异是国家棉花标准改革的一项重要内容。我区也在喀什地区的三个收购点进行了这项工作。通过试验，我们发现同批籽棉经皮辊机、小锯齿和大锯齿机加工后，其皮棉品级的变化有一定的规律性，现分述如下。     

知识库系统中一种利用封锁进行并发控制的算法

本文首先分析了影响加的一致性与并行性的因素，然后给出了一个利用Ｂ－树锁和依赖图进行调度的算法。该算法可对元组一级进行控制，并提高了系统的效率。本文还证明了长法的正确性。     

XML查询的推理审计

XML文档作为一种网上信息交换方式，其应用越来越广泛．信息发布的安全性给数据库带来新的挑战，目前一些安全策略以法律条文形式颁布，这要求采用有效的手段证实对XML文档的访问与安全策略的一致性．审计能达到这样的目的，但已有的审计方法只能对SQL查询结果进行审计，不能对XML文档查询——XQuery或Xpath进行审计，且蓄意破坏的用户可能通过对查询结果进行推理来访问敏感信息，这就要求对XQuery的审计必然同时具备推理能力．对此，首先提出了可靠而可行的XQuery审计方法、算法及相应查询图模型（QGM）；为使审计具备基本的推理能力，针对XML文档的几种典型约束，给出了推理审计方法、算法及相应查询图模型；实验结果表明，给出的XML查询推理审计框架切实可行．     

Skyline查询处理数据立方体代数

维空间的Skyline查询处理技术是近年来数据库技术领域的一个研究重点和热点.目前所有的研究工作都是直接在原始数据表上执行关系查询代数操作来获得最终的结果集,然而,随着原始数据表的数据量和维目标个数的增大,这些研究工作将不再适用.基于此,首次研究Skyline集合上的查询代数操作,使得Skyline查询处理的输入数据来自于小规模的Skyline结果集,而非海量的原始数据表.并且,首次给出一个集成多维对象集合和该对象集合上的Skyline结果集的形式化模型,该模型适合目前Skyline查询计算的应用,并在该模型的实例上研究Skyline集合的查询代数操作.同时,给出查询代数体系的代价评估模型.实验表明,给出的数据模型和查询代数体系具有有效性和实用性.     

XML查询中DTD的排序技术

Smart XML Query是一种支持多模式的XML查询方法．详细讨论Smart XML Query的关键技术“DTD与用户查询结构的距离排序”，提出以“树间亚距离排序”代替“树间距离排序”的观点，给出接近线性时间复杂性的排序算法，并对主要算法进行正确性证明．     

基于商用数据库管理系统的字符串数据的加密存储与查询

在非可信环境下对数据进行加密是保护数据库中数据安全的一种有效方法，但如何对加密数据进行高效地查询是一个难点，引起了研究界的重视．本文提出加密字符数据的一种存储结构，除了加密数据以外，还以加密的方式存储了原始数据的特征值，并基于这种结构实现了对加密数据的两阶段查询方法，通过实验证明其性能较先解密后查询的方法有较大的提高．     

约束数据库中的动态区间索引结构

区间索引是随着对约束数据库的实用化的研究而提出的。文中在Ｍｅｔａ－树的基础上提出了ＤＭ－树和相应算法,它对区间索引保持了存储为Ｏ（ｎ）,查询Ｉ／Ｏ时间为Ｏ（ｌｏｇｎ＋ｔ／Ｂ）的性能,     

DSI:一种基于动态分段的时间序列查询索引

时间序列数据主要依据采集时间进行排序,时间序列上相邻的数据具有一定的关联性,当用户读取时间序列数据时不只是读取一条数据,而是连续读取一段时间序列数据。针对时间序列的局部性特点,提出一种基于动态分段的时间序列索引DSI,通过设置差值及差值等级对时间序列数据进行动态分段,使用区间树快速查找不同长度的数据分段块,并利用层次聚类算法优化查询结果集合。实验结果表明,DSI索引的查询效率优于现有时间序列查询索引。     

一种高效的移动对象伴随模式挖掘算法

从时空维度中寻找轨迹相似、时间相近的对象集合,即挖掘移动对象的伴随模式,在基于地理位置的用户行为分析中被广泛使用.然而现有移动对象相似性挖掘算法难以处理时间连续、空间离散、时空相关并且数据量大的时空数据.针对此类数据,设计基于滑动窗口、Apriori性质和贪心选择策略的宽度优先搜索算法,对移动对象伴随模式挖掘问题进行求解.同时结合基于哈希的迭代剪枝算法和基于摘要信息的剪枝算法,设计两层剪枝算法以去除冗余的中间结果.在真实数据上的实验结果表明,与仅使用哈希迭代或摘要信息的剪枝算法相比,该算法的剪枝效率较高,并且能够稳定去除99%以上的冗余数据.     

一种基于矩阵计算的数据开放隐私泄露评估方法

大数据时代,数据开放过程中的隐私保护研究是重要的研究领域之一。现有的隐私保护研究致力于对数据中的敏感信息进行匿名化、添加噪音、扰动等处理以保护隐私,但在一些数据使用场景下要求使用原始数据。在这种情境下对数据开放带来的隐私泄露风险进行评估,就显得尤为重要。在对现有隐私保护研究进行总结的基础上,提出一种基于矩阵计算的隐私泄露评估方法,为支持数据开放提供了有力保障。