LL(1)预测分析器的构造

着重分析了编译原理课程中的LL(1)预测分析器的设计算法。对于给定的代码,求出FIRST、FOLLOW和SELECT集,构造相应的LL(1)预测分析器,给出预测分析表,并对求解FIRST集和FOLLOW集中存在的环问题提出了解决算法。     

Parallel Processing of FIRST and FOLLOW Sets in Multiprocessors Environments

This paper describes a new method of computing FIRST and FOLLOW sets on multiprocessors environments in parallel, and it also discusses the design thoughts and tactics. For a given grammar G,when the LL（R） analysis table is constructed and the grammar is judged whether it is a LL （1） grammar or not, it needs to construct FIRST and FOLLOW sets of the grammar, because of large quantities of terminals and non-terminals in the grammar and this is of theoretical and operation significance in considering the parallel processing method of computing FIRST and FOLLOW sets.     

REWLL1——非LL(1)文法改写器

非LL(1)文法的改写是自上而下语法分析中一项很有意义的研究课题。本文介绍了作者利用自己提出的改写方法所设计的一个能力很强的非LL(1)文法改写器:REWLL1。     

SQL测试用例集的自动生成

编写SQL语句是测试数据库管理系统的一个重要部分。自动生成SQL语句可以有效减少测试人员的工作量,而目前没有直接生成SQL语句的自动化工具。通过模拟产生式的直接推导过程,根据SQL文法,给出生成符合该文法的SQL语句,用作测试用例的方法;研究从表示文法的BNF文件生成SQL测试用例集合的自动化过程。这个过程包括几个阶段:将SQL文法的每一个非终结符转换成一个对应的解析函数,所有解析函数的集合构成规则库;遍历文法的产生式自动生成SQL测试用例;使用权值数组结合随机数,加大生成测试用例的灵活性;使用非终结符的最大调用次数来终止SQL测试用例的生成。通过介绍的工具原型,可以得到符合SQL语法的SQL测试用例。     

基于PRAM模型的CFGs并行识别与语法分析的扩充算法

本文介绍了一种PRAM模型上的上下文无关文法的并行识别和改进的并行语法分析方法金字塔结构,并对该方法进行了修改和补充,使其对非Chomsky规范形式,即文法的产生式右部候选式（即规则）有两个以上的非终结符连接的,或者候选式中既有非终结符,又有终结符的情况,扩充的算法也能识别和分析。     

编译原理中文法的教学探讨

在分析正规式、正规文法和上下文无关文法的基础上,着重讨论上下文无关文法中涉及到的一些重要的文法,例如二义文法、递归文法、LL（1）文法、LR（0）文法和SLR（1）文法,并以二义文法为主线,分析二义文法和递归文法、LL（1）文法、LR（0）文法和SLR（1）文法的关系,找出一些判定文法有无二义性的充分条件。     

属性文法在函数式程序设计系统中的表示

本文探讨LL(1)/L—属性文法在函数式程序设计(FP)系统中表示的可能性,提出“将此类属性文法转换成FP程序”的法则,从而,属性文法实现成为FP系统中可执行的程序。本文工作的意义之一在于:它开拓了“使数据制导的程序设计方法在FP系统中得以自动化”这样一个领域,并作了初步工作。     

案例教学法在《编译原理》课程中的研究

本文将案例法引入了《编译原理》课程的教学,发挥案例法的优势,以二义文法为主线,探讨了二义文法和递归文法、LL（1）文法、LR（0）文法和SLR（1）文法的关系,找出了一些判定文法有无二义性的充分条件,同时研究了解决二义性的方法,加深了学生对二义文法的理解。     

SLL(k)文法及其分析算法的构造

本文继[4]对 Strong LL(k)文法(即 SLL(k)文法)作了较深入的探讨。文中首先给出了SLL(k)文法的充分必要条件,并详细地论述了该条件的可计算性;然后给出 SLL(k)文法分析算法的 Floyd-evans产生式语言(即 PL)表示及其构造算法。 本文所使用的记号在[4]中可以找到,并且本文所说的文法都是指压缩过的上下文无关文法。     

LL(1)文法句法分析程序自动生成的研究及实现

文中分析了对LL(1)文法采用递归子程序的方法进行句法分析的特点,讨论了递归子程序自动生成的一般规则,最后根据这些规则给出了递归子程序自动生成的算法及其实现.     

一种基于FP-Growth的频繁项目集并行挖掘算法

FP-Growth算法是基于FP树挖掘频繁项目集的经典算法,为提高FP-Growth算法挖掘大规模数据频繁项目集的效率,提出了一种基于FP-Growth的频繁项目集并行挖掘算法FPPM。该算法基于Map/Reduce并行模型,在每个计算节点上首先构造局部频繁模式树,并对之进行挖掘得到局部频繁项目集,然后合并局部频繁项目集以得到全局频繁项集,由于此时得到的结果并不完备,所以对合并后未达到最小支持度阈值的项目集,重新计算其支持数。介绍了FPPM算法的设计思想,测试了其性能。实验结果表明FPPM算法具有较好的可扩展性。     

一种基于并行遗传算法的粗糙集属性约简

指出现有粗糙集属性约简算法的不足,考虑并行遗传算法在处理大型数据库上的特有优势,将粗糙熵作为粗糙集不确定性的度量,给出一种求解信息系统约简集的三群体并行遗传算法.最后通过实例计算表明该算法能快速有效求解属性约简,而且对大规模数据样本的信息系统效果更为明显.     

三维数据场实时体绘制研究进展

在分析了三维数据场实时体绘制研究现状的基础上，重点探讨了三维数据场实时体绘制的五种方法：降低采样维数法、空间相关性法、跳过空体元法、基于硬件的方法及并行处理的方法，并比较了各种绘制算法的特点，从而指明了三维数据场实时体绘制进一步研究的方向。     

Nasseh method to visualize high-dimensional data

Today’s ever-increasing application of high-dimensional data sets makes it necessary to find a way to fully comprehend them. One of these ways is visualizing data sets. However, visualizing more than 3-dimensional data sets in a fathomable way has always been a serious challenge for researchers in this field. There are some visualizing methods already available such as parallel coordinates, scatter plot matrix, RadViz, bubble charts, heatmaps, Sammon mapping and self organizing maps. In this paper, an axis-based method (called Nasseh method) is introduced in which familiar elements of visualization of 1-, 2- and 3-dimensional data sets are used to visualize higher dimensional data sets so that it will be easier to explore the data sets in the corresponding dimensions. Nasseh method can be used in many applications from illustrating points in high-dimensional geometry to visualizing estimated Pareto-fronts for many-objective optimization problems.     

基于存储改进的分区并行关联规则挖掘算法

针对现有算法存储结构简单、生成大量冗余的候选集、时间和空间复杂度高,挖掘效率不理想的情况,为了进一步提高关联规则算法挖掘频繁集的速度,优化算法的执行性能,提出基于内存结构改进的关联规则挖掘算法。该算法基于Spark分布式框架,分区并行挖掘出频繁集,提出在挖掘过程中利用布隆过滤器进行项目存储,并对事务集和候选集进行精简化操作,进而达到优化挖掘频繁集的速度、节省计算资源的目的。算法在占用较少内存的条件下,相比于YAFIM和MR-Apriori算法,在挖掘频繁集效率上有明显的提升,不但能较好地提升挖掘速度,降低内存的压力,而且具有很好的可扩展性,使得算法可以应用到更大规模的数据集和集群,从而达到优化算法性能的目的。     

基于并行Bloom过滤器组的深度数据包检测算法

针对基于软件、硬件的深度数据包检测存在处理速度慢或规则集更新困难等方面的局限性,提出一种在多核平台上基于并行Bloom过滤器组的深度数据包检测算法。算法中首先将规则集按规则的长度分组,构造一个并行Bloom过滤器组,组中每个计数式 Bloom过滤器表示特定规则长度的规则集。为了减少执行过程中的冲突概率和计算量,构造了高性能的哈希函数,然后基于多核平台的并行处理能力使用并行编程实现了该算法。理论分析和实验结果表明该算法是一种时空高效的算法。     

不生成候选项目集的并行挖掘关联规则

为了减少并行挖掘关联规则过程中产生的网络流量及同步次数,提高挖掘效率,在Tree-DM算法的基础上,提出了不生成候选项目集的并行关联规则挖掘算法Ptree-DM。给出了Ptree-DM算法的执行示例,并对该算法的效率进行了分析和讨论。     

MapReduce框架下并行知识约简算法模型研究

面向大规模数据进行知识约简是近年来粗糙集理论研究热点。经典的知识约简算法是一次性将小数据集装入单机主存中进行约简,无法处理海量数据。深入剖析了知识约简算法中的可并行性;设计并实现了数据和任务同时并行的Map和Reduce函数,用于计算不同候选属性集导出的等价类和属性重要性;构建了一种MapReduce框架下并行知识约简算法模型,用于计算基于正区域、基于差别矩阵或基于信息熵的知识约简算法的一个约简。在Hadoop平台上进行了相关实验,实验结果表明,该并行知识约简算法模型可以高效地处理海量数据集。     

演绎对象数据库SD-DOOD中集合的应用和实现

基于复杂对象的逻辑推理一直是演绎对象数据库中的研究热点。论文叙述了集合在演绎对象数据库中的应用和实现技术,重点介绍了部分集在规则中的两个作用:列举集合中的所有元素和聚集集合中所有元素。同时讨论了完整集的交、并、划分和差等运算的实现思想。     

隐私保护的一站多表跨多表频繁项集挖掘

从多方合作挖掘分布存储在不同计算站点上多个数据库表而不泄露各方原始数据信息的目的出发,对于每个站点拥有多个数据表的分布式计算环境,基于三方安全协议,运用生成随机数扰乱方法,采取各站点并行挖掘频繁项集,将站点间各表数据公共连接属性作等值连接,以安全协议计算全局站间跨表频繁项集支持数的策略,提出了一站多表的3站点跨多表频繁项集挖掘隐私保护算法。实验结果表明,该算法在高效地联合挖掘出跨多表频繁项集的同时保护了各站点的敏感信息。