一种基于磁盘块的持续数据保护系统

数据重要性不断提高,对数据保护提出了越来越高的要求。基于数据的细粒度保护,以最小的时间代价和存储代价来保护数据,并以最少的数据损失量来恢复数据,则是数据保护的追求目标。针对此需求,提出并设计实现了一套基于磁盘块的持续数据保护系统。该系统高效而灵活地实现了Windows操作系统下的磁盘数据的保护。测试表明,该系统在使用时对正常的业务影响很小;在灾难发生后可以在较短的时候内将数据恢复至可用状态。     

基于模拟退火的多标记数据特征选择

多标记数据有很多的冗余特征和数据,为了解决多标记数据中冗余和无关特征,提高多标记学习算法的泛化能力。提出一个基于模拟退火的卷积式特征选择方法——SAML(simulated annealing based feature selection for multi-label data),已有的算法只是使用了遗传算法来进行优化,新算法采用模拟退火来寻找最优子集,其效果在已有的工作中表现出比前者遗传算法更好的效果。在用于公开评测的Yahoo网页分类数据集上的实验结果表明,SAML算法的性能优于新近提出的一些流行的多标记特征选择方法。