基于特征分布的图象信息抽取

为抽取实时图象中的有效信息，有别于传统的将整个特征域看做一个信源的特征筛选方法，将具有统计意义的特征区间看作一个信息源，计算其熵值，取熵值较小、且类间离散度较大、类内离散度较小的特征区间为有效特征域，每个模式都拥有自己的一组贡献值不等的有效特征域构成其专用特征空间。此算法的有效性在工业流水线上的工件识别系统中得到了较满意的验证。     

分布式系统中自然联结的优化算法分析

讨论了几种提高自然联结效率的算法。并比较了它们的效率和性能，其中包括经典的Ｍｅｒｇｅ－ｓｃａｎ算法，Ｎｅｓｔｅｄ算法，Ｈａｓｈ－ｊｏｉｎ算法，以及改进的ＪＭ１，ＪＭ２算法，Ｄｉｓｔｒｉｂｕｔｉｖｅｊｏｉｎ算法，ＪｏｉｎＦｒａｇｍｅｎｔａｔｉｏｎ算法，ＧＲＡＣＥＨａｓｈ－ｊｏｉｎ算法和ＨｙｂｒｉｄＨａｓｈ－ｊｏｉｎ算法。这些算法没有绝对的优势，在具体的应用环境下，可根据实际情况采用最合适的优化算法。