M2+-树:一种支持医学病例多度量空间检索的高效索引

由于从病例库中进行病例的相似性检索关系到能否提供给医生充分且正确的候选病例,因此如何高效、准确地实现影像病例的相似性检索是学术界和医学界的研究热点之一.迄今为止,很多文献提出了用于提高查询精度的检索策略,但涉及检索效率的文章还为之甚少.基于此,提出了一种融多种度量空间相似性计算于一体的M2+-树高维索引技术.该索引将病例中的文本和影像合成一个高维多特征向量,该向量在度量空间上将数据空间划分成若干子空间,并借助关键向量对划分后的数据子空间再进行向量空间上的二次划分.关键向量的无重叠划分和三角不等式过滤原理可以加快病例的检索速度.总之,在度量和向量空间上的两次数据划分使得M2+-索引树大大减少了待查询病例与数据库病例间的不必要相似性计算的次数,从而加快了相似性病例的检索速度.实验结果表明,M2+-树的性能优于典型的度量空间多特征索引代表M2-树的性能.     

分组移动对象的区域偏离监视算法

以大量可分组移动对象的区域偏离监视问题为研究背景,扩展了基于区域覆盖的空间索引结构——虚拟网格四分树,提出了一种新的索引结构VGQ_G。基于VGQ_G,实现了区域偏离监视算法RDMA;给出了监视算法的性能对比实验。实验结果表明,在移动对象数量足够大的时候,设计的监视算法比朴素的监视算法在响应时间上提高了一个数量级。     

利用遗传算法对指纹的核心点进行检测

指纹的核心点是指纹的主要特征,对指纹匹配和指纹分类具有十分重要的作用.本文对指纹核心点的位置和方向进行了新的定义,接着提出一种新颖的基于遗传算法的方法对指纹核心点进行定位以及对核心点的方向进行估计.首先根据定义给出核心点位置和方向的打分函数并根据指纹的方向域信息确定了核心点的候选区域,接着把打分函数作为遗传算法的进化适应度函数在这个核心点候选区域内利用遗传算法对指纹核心点及其方向进行快速求极值,这样可以同时得到指纹的核心点的坐标和方向.实验结果表明本文提出的方法可以对指纹的核心点的位置和方向进行精确的定位和估计.     

虚拟企业信息集成系统中企业信息对象的设计与实现

竞争迫使现代企业去寻找新的信息集成技术来管理他们的企业 .为支持虚拟企业环境下的信息集成 ,本文结合企业信息的特点 ,根据信息的不同处理手段对企业信息进行分类 ,划分为不同的企业信息对象 ,并基于 CORBA在一个虚拟企业集成系统 Via Scope中设计、实现了不同企业信息对象的管理     

虚拟企业中解决代理之间合作冲突的几种协议的分析与比较

虚拟企业需要可靠的和有效的机制在各自治的代理之间执行各种合作 ,然而,各代理的利益有时可能有冲突。本文介绍了通过信任经纪人在各有冲突利益的代理之间进行协调的方法,并介绍了几种相关协议我的概念和使用,最后性能进行了比较。     

一种基于多代理技术实现的虚拟企业中的敏捷调度

提出了一种用多代理技术和基于协商的策略解决虚拟企业调度冲突的方法。首先介绍了虚拟企业中敏捷调度的特性及调度冲突的产生,分类及解决方法,并描述了调度、计划、协商、监督执行之间的互操作,通过代理的智能,自治等特性可以较好地实现调度的敏捷性,最后给出了在一个面向虚拟企业的信息集成系统ViaSopc中基于多代理技术实现的基于协商的敏捷调度模型。     

批量构建M+-tree

提出了一种新的M^＋-tree构造策略一通过批量装载数据静态构造M^＋-tree．这种建树方法能够极大地降低索引的构建代价并加快建树速度：又能保证高雏数据良好的聚类特性．同时又提出了一种有效的聚类算法一多步聚类，基于这种聚类构造M^＋-tree．实验结果表明，这种建树算法能够保证索引空间的最大利用率．降低建树的代价，同时又能够保证索引的查询效率．     

CMRS:聚类的多解析度字符串索引结构

随着基因测序技术和人类基因组计划的发展，从大量的生物数据中寻找相似的序列就越来越成为当前研究的热点问题．本文提出了一种聚类的多解析度字符串索引结构，用于解决生物序列的相似性查询问题．首先，以较小容量的MBR（最小绑定矩形）构造基因序列的多解析度字符串索引结构，然后通过对MBR的聚类以夏保序技术的应用，减小索引中MBR的平均体积，从而增加了查询向量到索引的空间距离，提高了索引的过滤能力．还给出了一种新的后处理方法，通过大量的减少编辑距离的计算，提高索引的性能．文中给出了该索引结构并详细介绍了索引的相关算法．实验表明，该索引结构是一种有效的处理生物数据的相似性查询的索引结构．     

面向对象的多数据库系统中语义冲突分类框架

多数据库系统中模式集成是关键性问题之一。模式棠成一般包括~[1,2]：(1)视图集成,产生一个全局统一的概念模式；(2)数据库集成,将若干个已存在的数据库模式集成为一个全局模式,它是被集成库模式的一个虚拟视图。木文研究的是与数据库集成     

k支配能力排序轮廓查询算法

随着轮廓查询应用的扩展,轮廓查询被扩展为其他更复杂的查询问题,包括k支配轮廓、reverse轮廓、k最多支配轮廓等等.然而,现存的轮廓查询不符合某些用户需求,还需要研究新的轮廓查询及其相关算法.为了满足用户需求,提出k支配能力轮廓的概念,同时提出一种快速的k支配能力排序轮廓查询算法(KRA).由于不确定性数据带有概率,KRA算法不能直接应用于不确定性数据.针对不确定性轮廓查询的特点,提出不确定性k支配能力轮廓的概念,并提出不确定性k支配能力排序轮廓查询算法(KRA_U).实验结果表明,算法KRA和KRA_U均可以高效地计算出k支配能力轮廓.