基于属性依赖关系和对象相关性的自然聚类算法

针对数据集中属性间存在依赖关系以及对象间存在相关性,定义了一种新的相似关系模型,该模型所描述的相似关系能够体现对象之间的自然相关性.在此基础上提出一种基于属性依赖关系和对象相关性的自然聚类算法,该聚类算法在不事先指定聚类数目的情况下,将所有相似性达到设定阈值的对象自然聚为一类;当调整相似性阈值时,该算法还可实现不同粒度的聚类.通过分别对数值型数据集和分类型数据集进行实验比较分析,结果表明这种自然聚类算法与其他聚类算法相比,能够真实反映数据间的相关性以及数据集的自然簇结构,同时可以发现任意形状的簇,有效地提高了聚类的精度和质量.     

数据依赖的蕴涵问题

本文介绍数据库理论中重要的多值依赖，连接依赖和生成元组依赖及其蕴涵问题，同时给出了比较全面和新的研究进展。     

不含非平凡函数依赖或多值依赖的关系的势

本文讨论了一类特殊的Armstrong关系－不含非平凡函数依赖或多值依赖的关系,给出了这类关系的判定条件,得到了这类关系的势的下界值,并使用基于关系的投影运算方法,得到了精确的下界值,同时还涉及到了多值依赖的情形。     

IRP用户视图间依赖关系的度量

用户视图间的依赖关系对于信息资源规划中的数据分析和数据建模有着重要的意义。该文对用户视图间的依赖关系进行了定义和说明,并细分其为数据依赖和操作依赖,在此基础上,对用户视图间的依赖关系进行了度量,提出了依赖度和被依赖度2种度量方法,为规范用户视图提供了依据。     

多库 高效的视图维护机制

外连接是多库系统中经常使用的生成全局视图方法,但是外连接给维护多库系统视图带来了很大的困难,目前已有的多库系统视图维护算法只考虑了连接操作（Ｓｓｅｌｅｃｔ ｐｒｏｊｅｃｔ ｊｏｉｎ,ＳＰＪ）,如果全局视图是通过外连接生成的,这些算法就不能有效地维护多库系统视图的正确性,提出了一种新的多库系统视图维护算法,它能够在有外连接及数据不一致的情况下高效地维护多库系统视图,并最大限度地减少了向局部数据库发送     

多库系统中高效的视图维护机制

外连接是多库系统中经常使用的生成全局视图的方法 ,但是外连接给维护多库系统视图带来了很大的困难 .目前已有的多库系统视图维护算法只考虑了连接操作 (select project join,SPJ) ,如果全局视图是通过外连接生成的 ,这些算法就不能有效地维护多库系统视图的正确性 .提出了一种新的多库系统视图维护算法 ,它能够在有外连接及数据不一致的情况下高效地维护多库系统视图 ,并最大限度地减少了向局部数据库发送的查询数 ,使得多库系统更加高效     

融合加权不一致性的多视图聚类

图学习是一种广泛应用于多视图聚类的技术,它可以从多视图中学习出统一的相似图.现有的图学习方法大多只能发掘多视图的一致性,忽视了不一致的信息,这使得它们可能在学习过程中丢失视图独有的信息.为了解决这个问题,本文提出了一种融合一致性和不一致性,面向图的多视图低秩聚类框架.该方法首先将多视图分解为一致性和不一致性两个部分,然后利用自适应加权融合多视图的一致性图,并在此过程中防止权重出现平凡解;进而,提出了一种新颖的低秩融合策略,用一个统一的目标函数融合多视图一致性和不一致性,并通过谱聚类获得结果.本文还设计并实现了一种迭代优化方法来求解目标函数.最后,7个多视图数据集的对比实验验证了该方法的有效性.     

不完整多视图聚类综述

多视图聚类是近年来图数据挖掘领域的研究热点。由于数据采集技术的限制或人为因素等原因常导致视图或样本缺失问题。降低多视图的不完整性对聚类效果的影响是多视图聚类目前面临的重大挑战。因此,综合研究不完整多视图聚类（IMC）近年的发展具有重要的理论意义和实践价值。首先,归纳分析不完整多视图数据缺失类型;其次,详细比较基于多核学习（MKL）、矩阵分解（MF）学习、深度学习和图学习这4类IMC方法,分析代表性方法的技术特点和区别;再次,从数据集类型、视图和类别数量、应用领域等角度总结22个公开不完整多视图数据集;继次,总结评价指标,并系统分析现有不完整多视图聚类方法在同构和异构数据集上的性能表现;最后,归纳分析不完整多视图聚类目前存在的问题、未来的发展方向和现有应用领域。     

基于视图互信息加权的多视图集成聚类算法

现有的多视图聚类算法往往缺乏对各视图可靠度的评估和对视图进行加权的能力,而一些具备视图加权的多视图聚类算法则通常依赖于特定目标函数的迭代优化,其目标函数的适用性及部分敏感超参数调优的合理性均对实际应用有显著影响。针对这些问题,提出一种基于视图互信息加权的多视图集成聚类（MEC-VMIW）算法,主要过程可分为两个阶段,即视图互加权阶段与多视图集成聚类阶段。在视图互信息加权阶段,对数据集进行多次随机降采样,以降低评估加权过程的问题规模,进而构建多视图降采样聚类集合,根据不同视图的聚类结果之间的多轮互评得到视图可靠度评估,并据此对视图进行加权;在多视图集成聚类阶段,对各个视图数据构建基聚类集合,并将多个基聚类集合加权建模至二部图结构,利用高效二部图分割算法得到最终多视图聚类结果。在若干个多视图数据集上的实验结果验证了所提出的多视图集成聚类算法的鲁棒聚类性能。     

对象类之间依赖关系度量分析

类之间的依赖关系,对于面向对象系统分析、设计和测试都有重要的意义。该文首先对类之间的依赖关系进行了定义和说明,并细分其为数据依赖和方法依赖,在此基础上,提出依赖度和被依赖度两种度量方法,并进行了严格的语义分析和说明。最后,文章提出依据这两种度量方法来确定类的规模大小的算法。     

对连接依赖关系的正确处理方法——对规范理论中连接依赖问题处理的异议

本文阐明关系数据规范理论中的连接依赖在设计数据库系统时并不少见。通过Ｅ—Ｒ图揭示了连接依赖的本质问题。对关系模式规范理论中用一组５ＮＦ来替代连接依赖关系以消除异常现象的结论提出异议，论述了处理连接依赖的办法以及相应的算法。