ORACLE数据库SQL优化原则

Oracle数据库是当前应用最广泛的大型数据库之一,其系统结构复杂,性能受多方面因素影响,其中SQL语句的执行效率是影响其性能的关键因素。以一个省级通信运营商的ORACLE ERP系统为例,从ORACLE数据库的SQL共享原理和SQL执行过程入手,指出合理配置数据库参数,提高SQL语句共享、提高数据缓存命中率是SQL语句性能提高的前提;并在此基础提出了SQL语句优化的四个原则。     

一种基于聚类的文本迁移学习算法

当现有训练数据过期,而新数据又非常少时,运用迁移学习能够有效提高分类器性能。本文提出一种基于聚类的文本迁移学习算法,给出了算法的主要思想及实现步骤。然后,在中文文本语料库上进行了实验,并与非迁移学习算法进行了比较。实验证明该方法能有效提高分类器性能。     

模型驱动下的Java代码自动生成

提出模型驱动下的代码自动生成方法以MetaEdit＋作为元建模工具,由领域专家建立领域元模型和模型,通过生成器定义语言MERL,软件开发人员可以很方便地设计代码生成器,直接从领域专家所建立的图形领域模型生成Java程序代码。经测试,所生成的Java程序代码可以在Windows操作系统环境的Java平台上正确运行。     

SWRL推理规则在平面几何证明中的应用

OWL由于其具有较强的知识表示能力目前已成为语义Web知识建模的主要语言,尽管如此,它在知识推理方面存在着许多不足。语义网规则语言（SWRL）是为了弥补OWL的不足发展起来的,它是以OWL的子语言OWL DL以及其它规则标记语言为基础的规则描述语言,将SWRL推理规则引入OWL DL可以大大改善OWL DL的推理能力。运用SWRL推理规则和Jess推理机对平面几何证明题进行了推理和证明,结果验证了SWRL推理规则的有效性和正确性,在实践中同时也发现了SWRL存在的一些问题,有待今后进一步研究。     

一种限定性的双层贝叶斯分类模型

朴素贝叶斯分类模型是一种简单而有效的分类方法,但它的属性独立性假设使其无法表达属性变量间存在的依赖关系,影响了它的分类性能.通过分析贝叶斯分类模型的分类原则以及贝叶斯定理的变异形式,提出了一种基于贝叶斯定理的新的分类模型DLBAN(double-level Bayesian network augmented naive Bayes).该模型通过选择关键属性建立属性之间的依赖关系.将该分类方法与朴素贝叶斯分类器和TAN(tree augmented naive Bayes)分类器进行实验比较.实验结果表明,在大多数数据集上,DLBAN分类方法具有较高的分类正确率.     

城市防洪减灾非工程措施的研究与展望

１城市防洪减灾非工程措施研究的历史发展２０世纪７０年代，美国首先提出采用非工程措施（Non－structuralmeasures）的概念，即通过洪水预报、防洪调度、分洪、滞洪、立法、洪水保险、洪泛区管理以及造林、水土保持等非工程措施来减缓洪涝灾害，改变损失分摊方法，加强防洪管理，顺应洪水的天然特性，因势利导，以达到防洪减灾的目的．于是世界各国在防洪减灾规划上同时采用工程措施和非工程措施［１］相结合，全面考虑从各种防洪方案中选择最优方案的经济评价方法，注重了对洪灾损失评估方法的研究［１～３］，随着“国际减灾十年”活动…     

基于几何校正与非下采样Shearlet变换的图像水印算法

为了解决当前图像水印技术难以抵御几何失真,使其鲁棒性较低与误检率较高的问题,提出了几何校正与非下采样Shearlet变换的图像水印算法.首先,引入Cat映射,对水印信息图像进行置乱;随后,借助非下采样Shearlet变换机制,对载体图像进行处理,获取低通子带和高通子带,并将低通子带分割为尺寸相同的小块;通过修改低通子带的Shearlet系数,建立水印嵌入机制,将水印信息植入到载体图像中,获取水印密文;构建几何失真图像训练样本,基于极谐变换,计算水印图像的极谐变换系数模,充分描述其鲁棒特征;基于模糊支持向量机,预测几何失真参数,对水印图像进行几何校正;最后,再次利用非下采样Shearlet变换处理校正水印图像,获取低通子带小块,设计水印提取方法,复原其水印信息.实验结果显示：与当前图像水印算法相比,所提算法具有更高的不可感知能力与鲁棒性,对于各种几何攻击,所提取技术的复原水印与初始水印的相关系数均要高于0.95.     

基于卷积神经网络的时频域CT重建算法

针对采用时域滤波器解析重建后图像存在伪影和图像细节丢失等问题,提出了一种基于卷积神经网络（CNN）的时频域计算机断层扫描（CT）重建算法。首先,在频域中构建了基于卷积神经网络的滤波器网络,实现投影数据的频域滤波;其次,利用反投影操作算子对频域滤波后结果进行域转换得到重建图像;接着,在图像域构建网络对来自反投影层的图像进行处理;最后,在采用最小均方误差损失函数基础上引入多尺度结构相似度损失函数组成复合损失函数,减轻神经网络对结果图像的模糊效应,保留重建图像细节。图像域网络和投影域滤波网络联合作用,最终得到重建结果。在临床数据集上验证了所提算法的有效性,相较于滤波反投影（FBP）算法、全变分（TV）算法及图像域残差编解码CNN（RED-CNN）算法,当投影数目分别为180和90时,所提算法重建结果图像信噪比（PSNR）和结构相似度（SSIM）最高,且归一化均方根误差（NMSE）最小;当投影数目为360时,所提算法仅次于TV算法。实验结果表明,所提算法可以提高CT图像重建图像质量,是一种可行且有效的方法。     

基于加权关联规则和文本挖掘的金融新闻传播Agent实现

针对传统的金融预测系统仅仅依靠股票价格和市场指数等定量数据而不能很好地满足实时性和高准确性的问题,提出一种基于加权关联规则和文本挖掘的新闻传播Agent实现方法。首先,利用中文知识与信息处理系统将每个新闻标题分离得到每个中文单词;然后,利用加权关联规则算法检测频繁出现在同一条新闻标题中的多个术语,并提取名词、动词和复合语;最后,根据新闻供给市场第一个交易日股票交易金融价格指数为提取的关键字分配权重,并根据新闻标题的权重值判断其对股票价格的影响程度。新闻标题特征数据库上的实验验证了该方法在金融新闻标题的实时信息发布应用中的可行性,实验结果表明,相比其他几种预测方法,该方法取得了更高的预测准确率和召回率。     

时态关联规则挖掘方法的研究

利用时态关联规则的分析，可以得到一系列相关性的项目集合，从而为决策提供更加有利的帮助和支持。在研究了传统的静态关联规则的基础上，提出了一种以交易规模的变化率为处理对象，即考虑各类项目交易量的变动状况的时态关联规则的表述与挖掘方法，并对其表述形式及算法实现进行了探讨。