基于时空邻域的多粒度轨迹相似性查询

移动对象轨迹存储、管理和查询的研究已经具有相当基础,然而面向应用的移动对象运动模式分析乃至决策支持则更为人们所期待,提出基于时空邻域的多粒度轨迹相似性查询以支持其运动模式分析.直观地,如果两个移动对象在运动中频繁地出现在对方的时空范围附近,则认为二者轨迹相似,且出现得越频繁相似程度越高,即基于时空邻域的轨迹相似性测度.此外,实际中通常会在不同大小的时空邻域下评估轨迹相似性,以获得微观和宏观层面上的相似轨迹,即多粒度轨迹相似性查询.最后的实验分析也证明了基于时空邻域的多粒度轨迹相似性查询方法的有效性.     

SROC:一种面向结构鲁棒性的迭代聚类方法

聚类结果的有效性由结构有效性、算法有效性和先验知识有效性3个方面的因素决定.忽略先验知识和假设结构的有效性孤立地提升聚类算法的有效性很可能产生无效的聚类结果.现有聚类方法通常只是简单地导出假设结构下最优的聚类结果,并交付用户,缺乏对聚类结果的自省能力.实际上,聚类方法是一个不断迭代优化的过程,包括对训练数据拟合度和假设结构的迭代优化.基于上述的考虑,提出以聚类结构的鲁棒性作为聚类结果有效性的衡量指标,并将鲁棒性评估有机地整合到聚类算法的迭代优化过程中,提出一种面向结构鲁棒性的迭代聚类方法框架.此外,依托该框架下设计并实现了SROC聚类算法,通过对模拟数据和真实文档数据的聚类实验,例证了方法有效性.     

一种基于元启发式策略的迭代自学习K-Means算法

类内误差平方和最小化的聚类准则求解是NP难问题,K-Means采用的迭代重定位方法本质上是一种局部搜索的爬山算法,因此聚类结果对初始代表点的选择非常敏感,只能保证局部最优.为此,引入元启发式策略,通过建立评估函数对K-Means初始代表点和目标函数之间的依赖关系进行近似,然后利用近似评估函数指导新的初始代表点的选择,构成一种迭代自学习框架下的K-Means算法.实验表明算法可以很好地克服K-Means对初始代表点的依赖性,获得较高质量的聚类结果.     

一种新型的Web应用解决方案——Bullant

1 引言伴随着互联网在全球的延伸,越来越多的企业希望把自己的业务拓展到Web上,能够随时随地地为广大客户提供服务。为了满足企业开发Web应用的需求,IT业界提出了多种基于Client—Server模式的解决方案,基本结构如图1所示。这些解决方案的设计思想大致是:对于用户界面和数据服务器,直接从当前多种互联网上的用户界面开发技术以及多种数据库管理系统中各自选取合适的技术与系统来实现,最后在整体方案中提供多种相应的支持接口。解决方案的核心部分在于Web应用服务器的设计与实现,用户通过用户界     

一种基于K-Means局部最优性的高效聚类算法

K-Means聚类算法只能保证收敛到局部最优,从而导致聚类结果对初始代表点的选择非常敏感.许多研究工作都着力于降低这种敏感性.然而,K-Means的局部最优和结果敏感性却构成了K-MeanSCAN聚类算法的基础.K-MeanSCAN算法对数据集进行多次采样和K-Means预聚类以产生多组不同的聚类结果,来自不同聚类结果的子簇之间必然会存在交集.算法的核心思想是,利用这些交集构造出关于子簇的加权连通图,并根据连通性合并子簇.理论和实验证明,K-MeanScan算法可以在很大程度上提高聚类结果的质量和算法的效率.     

面向智能科学的机器感知实验课程建设

介绍北京大学智能科学系面向智能科学的机器感知实验课程建设,提出实验课程应跟随技术发展,具有实用性和自主创新性等观点。     

FP-growth算法的实现方法研究

事务数据库中频繁模式的挖掘研究作为关联规则等许多数据挖掘问题的核心工作,已经研究了许多年。早期算法大都是Apriori型算法,即首先产生候选集,然后在候选集的基础上找出频繁模式,候选集的产生往往是耗时的,特别是挖掘富模式或长模式时。JianweiHan等人提出了一种新颖的数据结构FP-tree及基于其上的FP-growth算法,用于有效的富模式与长模式挖掘。由于不同的实现方法可能会导致不同的挖掘效率,该文在讨论FP-growth算法的基础上,采用了几种不同的方法来实现它,并用几个数据库对它们的性能进行了比较。     

基于GML的地理信息集成系统研究

GML已经成为事实上网络环境下空间数据的交换标准。基于GML的空间教据集成是未来Web服务的关键技术之一。提出了以关系型空间数据源为对象,以XQuery为查询语言的地理信息集成系统解决方案。对集成系统内部中间件和包装器的设计与实现进行了研究。     

实时主动数据仓库的概念、问题及应用

近年来,数据仓库技术在学术界和工业界都得到了广泛的关注.实时主动数据仓库(real time active data warehouse, RTADW)是数据仓库技术发展的一个新的阶段,具有十分广阔的应用前景.介绍了实时主动数据仓库的概念和特点,探讨了实时主动数据仓库的研究问题,并列举了一些典型应用.     

基于惰性聚类分裂的动态R树实现方法

R^＊树是目前公认查询效果很好的R树变体，但是其构造代价较原始R树增加数倍，对于插入删除和更新频繁的空间数据效果不好。为此，本文提出一种基于惰性聚类分裂技术的R树动态实现方法（LR树）。惰性聚类分裂技术是在对象插入节点导致溢出时不立即进行分裂，而是尝试将其插入到邻近的未满节点中，直到邻近节点均已满时，再利用聚类技术进行节点分裂，在邻近节点和分裂节点之间重组入口项。LR树在确保查询性能的前提下，大大降低了构造代价，并且大幅提高了索引结构的空间利用率。最后的分析和实验证明了LR树的高效性。