多数据库中例外模式挖掘方法研究*

首先比较了现有的两种挖掘方法,提出了一种改进技术.综合考虑例外的局部和全局兴趣度,剔除非真正有趣的局部例外;增加两种客观度量并按模式重要度排序.实验表明该方法不仅可以有效挖掘多数据库中例外模式,而且还大大减少了用户负担.     

高级认知过程对人脑信号活动模式的影响及认知系统仿真*

为了帮助解决脑机接口中人脑信号与高级认知活动之间的对接问题,建立了同时模拟高级认知过程与人脑信号模式的认知模型。采用的方法是ACT-R认知仿真实验结合fMRI脑影像实验。以简化四方趣题为实验范式,设计有锚和无锚两类不同复杂度任务。从ACT-R认知仿真实验分析出高级认知过程,从fMRI实验结果分析出感兴趣脑区BOLD信号模式。通过对两实验结果进一步分析得出,不同的高级认知活动过程对脑功能区BOLD信号模式存在多处影响,包括启动值和BOLD的峰值位置、平均变化量、上升变化量以及下降变化量。本研究获得了高级认知     

复杂立方体聚集依赖及其查询技术

针对复杂立方体查询中可能存在的3种聚集依赖(完全依赖、部分依赖和互斥依赖),分别提出了3种基于Cache重用技术的解决方法:完全Cache重用、部分Cache重用以及反Cache重用机制,并相应地给出了计算方法和算法.在模拟和真实数据集上的实验结果表明,不同数据集下改进算法均比基本算法的效率有明显提高,特别地,数据量越大,Cache重用技术的优越性越明显.     

问题解决中启发规则选择机制及认知模型

为建立基于认知的网络搜索模型,提出了启发式搜索中启发规则选择的认知机制.基于简化四方趣题实例,采用行为实验和认知模型仿真结合的方法进行了研究.通过行为实验测试了17个被试对二维和三维启发规则的选择结果,实验结果显示835个任务中有809个任务被试选择二维规则答题;认知模型仿真实验基于视觉目标导向的简约规则约束搜索假设,模拟了规则选择的认知过程,结果显示模拟反应时间与真实反应时间偏差0.07 s.研究结果表明,启发规则选择是一个视觉目标导向的简约规则约束搜索过程.     

基于可视化运行平台的数据结构课程教学

提出基于可视化运行平台的数据结构教学模式,针对数据结构与算法传统教学模式中学生对算法缺乏整体、有机和直观形象理解的缺点,利用C++和Flash等进行可视化集成工具的开发。从教学的角度探讨应用该可视化辅助教学工具,在数据结构教学和实验过程中实现程序可视化、数据可视化和算法可视化,达到理想的教学效果。     

简化四宫格问题求解的认知仿真分析

探索人脑执行高级认知任务的认知模块协作过程.以简化四宫格问题为实例,采用ACT-R仿真实验和f MRI真实实验相结合的方法.基于任务分析提出问题求解的脑认知模块协调假设,在此基础上建立ACT-R仿真系统,并与f MRI数据拟合.拟合结果表明:两者反应时偏差0.16,脑区激活趋势平均相关度0.92,值均偏差0.03,仿真系统输出了各模块协同操作图.研究表明,主要模块之间既有并行协同,如视觉和目标控制以及记忆和表征,也有序列协同如视觉和表征,产生式系统则起到协调多模块作用.     

大型时态数据库中的Burst 模式挖掘

首先分析了挖掘整个大型时态数据库时可能存在的两个问题，提出了解决的一种新方法。该方法采用“先分后合”的思想：先将大型数据库划分成多个小型数据集，接着对这些数据集进行四次裁剪后再进行综合评价，最后挖掘出潜在的Burst 模式。实验结果表明，该方法准确有效。挖掘出的Burst模式给公司决策者在制定决策的时候提供参考帮助和支持。     

基于尺度自适应局部时空特征的足球比赛视频中的多运动员行为表示

为提高足球比赛视频中的多运动员行为识别的准确率,提出一种基于尺度自适应局部时空特征的足球比赛视频中的多运动员行为表示方法,利用时空兴趣点来表示足球比赛视频中的多运动员行为。首先将足球比赛视频序列中的多运动员行为看作是三维空间中的时空兴趣点的集合,然后采用直方图量化技术将时空兴趣点集合量化为维数固定的直方图（即时空单词）,最后采用K-means聚类算法生成时空码本。在聚类生成码本之前,对每个时空兴趣点都进行了归一化,以保证其缩放和平移不变性。实验结果表明,该方法能够大大减少足球比赛视频中的多运动员行为识别算法的计算量,显著提高识别的准确率。     

一种多特征方查询的有效算法

多特征方用于计算复杂数据挖掘查询,具有多粒度上多个依赖聚集计算的典型特点.现有的立方体粒度计算技术可以有效计算分布和代数多特征方,整体多特征方还没有提出有效的计算方法.在分析整体多特征方查询特点的基础上提出了一种优化算法:先将立方体分块,再采用冰山查询技术动态选择数据,最后采用查询结果重用技术.实验表明,该优化算法能有效提高整体多特征方查询的性能.     

一种基于立方体的复杂查询的高效算法*

提出一种高效的整体多特征方查询算法.该算法首先将数据立方体水平分块成多个小数据集,然后将各子查询中的聚集函数分类,并对其中的分布和代数聚集函数使用分布聚集特性优化计算,使得整体多特征方查询可以局部使用分布多特征方查询的优化计算方法.实验结果证明该方法可以有效地提高整体多特征方查询的效率.