一种三层结构的WEB数据库访问平台的设计与实现

近年来，利用ASP及ADO技术实现WEB到数据库的访问是开发WEB应用系统常见的方法，但是这种访问方式具有Client/Server两层结构的缺点。笔者运用DCOM技术及客户端组件技术，设计一种WEB环境下的数据库访问平台，实现了真正的WEB三层结构方式。我们利用Inprise Delphi开发工具实现该平台的功能，并使已有ASP程序只要经过简单修改，就可移植到该平台运行。     

基于CORBA/Java技术的分布式异构数据库应用系统

由于企业自身发展的需要,信息支撑系统向分布式异构数据库应用系统跨越已经成为一种必然趋势。CORBA犤1犦、Java是解决该类应用的主要技术,文章讨论了这两种技术结合使用的原理,并在此基础上利用InpriseApplicationServer及相关软件,在Intranet/Internet环境下构建一个跨平台、可扩展的、可移植的、可管理的分布式异构数据库应用系统的解决方案。     

基于SNMP协议的公共机房管理软件设计

针对公共机房管理上的要求,采用软件技术实现了计费管理、权限管理、实时监控等功能.应用软件采用三层结构的形式实现数据库操作,利用SNMP协议作为客户端与数据库访问模块的主要通信协议,简化了客户端软件设计,提高了软件的可靠性.     

基于子树约束的最大频繁子树挖掘算法

目前大多数频繁子树算法都是挖掘频繁子树完全集,这些算法数据搜索空间的内存开销和输出的结果集都非常庞大.为了减小结果集,提出基于子树约束的最大频繁子树算法--CSMTreeMiner,采用垂直和层次扩展的方法来枚举频繁子树,并使用覆盖关系来对不可能生成最大频繁子树的模式进行删除.实验结果验证CSMTreeMiner算法的有效性和稳定性.     

基于情感模型的文本意见分类方法

基于向量空间模型、潜在语义分析等传统文本意见分类模型将文本映射到词汇或语义空间中,侧重于词汇的辨别能力,无法对映像空间给出明确的语义说明,导致其扩展性、准确率等方面的性能受到限制。为此,在人类情感分类理论的基础上,假设文本中的意见表达与人们的情感存在较强的关联,结合词汇语义扩展、特征选择等方法构造3种情感表示模型,把表达人类情感倾向的文本转换到情感空间中,利用情感模型对国外股票论坛信息提取情感特征,构建情感模型,并设计文本意见分类方法。针对实际股票论坛的数据进行实验,结果表明,该分类方法能获得较高的分类准确率。     

FVTreeMiner：无序频繁子树挖掘算法

在挖掘无序树频繁模式的过程中,大多数的算法都是先产生候选者,再进行模式匹配判断它是否为频繁子树.产生候选者本身就需要消耗很大的空间来保存,并且要在复杂的树结构里做匹配也是件难事,它会影响整个挖掘过程的效率.为了尽量避免产生不必要的候选者,提高发现频繁模式的效率,基于对相关算法的研究,引进树投影资料库的概念,并在RootedTreeMiner算法的基础上,采用其模式延伸方法和广度优先标准型式概念,提出子树频繁度、频繁可延伸点串的概念,从而更有效系统地枚举所有的频繁模式树,并给出无序频繁子树挖掘算法FVTreeMiner.经系列实验结果证实了该算法合理、高效,并可以减少一定的内存开销和运行时间开销.     

高效快速计算FreeCube的SPT算法

分析了目前国内外数据立方体计算的研究现状，首先在free—set的概念上，挖掘free-set的性质，建立了Freecube的概念结构。然后基于BUC算法，充分考虑到free-set的性质，在对维划分的选择和free—set判断上去掉了不必要的划分和判断，从而提出了一种计算FreeCube的高效算法SPT，最后从多个角度进行了实验，并与相关工作做了对比，证明该算法具有一定的优越性。     

一种复杂多维层次的连接和聚集算法

由于数据仓库中存储着不同粒度、容量巨大的数据记录，所以如何有效地执行联机分析处理(OLAP)查询操作，特别是连接和聚集操作，便成为数据仓库领域的核心问题之一．为此，提出了一种降低连接和聚集操作的新算法(join and aggregation based on the complex multi-dimensional hierarchies，JACMDH)．算法充分考虑了复杂多维层次的特点，在原有的位图连接索引(bitmap join index)的基础上，采用层次联合代理(hierarchy combined surrogate)和预先分组排序的方法，使得复杂的多维层次上的连接和聚集操作转化成事实表上的区域查询，从而在处理多维层次聚集的同时，提高了连接和聚集的效率．算法性能分析和实验数据表明，JACMDH算法和目前流行的算法相比，其性能有显著的提高．     

一种并行处理多维连接和聚集操作的有效方法

随着并行计算算法的完善和廉价、功能强大的多处理机系统的成熟，使得采用多处理机系统来并行处理多维数据仓库的连接和聚集操作成为当前有效提高OLAP查询处理性能的首选技术．为此，提出一种降低连接和聚集操作开销的并行算法PJAMDDC(parallel join and aggregation for multi-dimensional data cube)．算法充分考虑了多维数据立方体的存储机制和多处理机分布系统的结构特点，在原有聚集计算多维数据立方体的搜索点阵逻辑结构的基础上，采用多维数据仓库的层次联合代理(hierarchy combined surrogate)和对立方体的搜索点阵进行加权的方法，使得立方体数据在多个处理机间的分配达到最佳的状态，从而在分割多维数据的同时，提高了并行处理多维连接和聚集操作的效率．算法实验评估表明，PJAMDDC算法并行处理多维数据仓库的连接和聚集操作是有效的．     

用多用户多窗口方法处理多维视图动态选择

多维视图动态维护是数据仓库领域当前研究的一个热点．随着数据仓库的普及，将有越来越多的各种类型的用户使用OLAP工具满足各自特定的分析需求．现有的各种视图选择方法没有考虑不同类型用户的特点，从而存在一些缺陷．提出多用户多窗口方法，充分考虑用户的差异，利用单个用户在查询时的相对有规律性，为用户划分级别，并为每个用户设置相应级别的用户视图窗口，从而合理地利用了系统有限的资源，提高了查询响应速度，也保证了特殊用户对查询性能的特殊需求；给出了相关的定义和MUMW算法，并阐述了多用户多窗口方法的优点．