基于序列的不确定XML整体小枝查询技术

针对基于序列的不确定XML小枝模式匹配算法需要子序列匹配和结构过滤两个阶段,而导致查询效率低的问题,提出一种以PrTRIM算法为基础的整体小枝模式匹配算法。H-PrTRIM算法将PrTRIM算法中子序列匹配和结构过滤两个阶段合并,在子序列匹配的同时进行结构过滤,使子序列匹配得到的结果就是查询的最终结果,解决了由于子序列匹配产生过多的中间结果而降低查询效率的问题。实验结果表明,H-PrTRIM算法的效率高于PrTRIM算法,应用于查询大文档和结构复杂的查询语句时更能体现出优势。     

强模拟在带权有向图的扩展及其匹配结果的排序

图模式匹配是互联网海量数据库应用的关键技术。强模拟是现在一种实际应用效果较好的图模式匹配模型,但它无法对匹配结果按照重要程度排序。本文将强模拟推广到了带权有向图中,使用边的权值衡量和比较不同匹配子图或子图内部不同顶点的重要性,对匹配结果进行排序。     

基于相对形状上下文与概率松弛标记法的点模式匹配算法

点模式匹配是计算机视觉和模式识别中重要而基础的问题。在立体视觉匹配、图像配准、目标识别与跟踪等方面都有广泛的应用,是目前各领域关注和研究的热点。该文提出了一种新的将不变特征与概率松弛标记法相结合的点模式匹配算法。该算法首先提出一种新的基于点集的不变特征—相对形状上下文,然后利用点集间相对形状上下文的统计检验匹配测度来定义概率松弛标记法中新的相容性系数,并以此为基础来构造鲁棒的支持函数。最后通过匹配概率矩阵的松弛迭代以及匹配约束条件来实现点模式匹配问题的求解。模拟仿真与真实数据实验验证了本文算法在点集间存在相似变换乃至透视变换情况下具备较高匹配正确率,而且对于噪声和出格点也具备较强的鲁棒性。      

基于物化视图的查询重写系统设计与实现

随着XML文档大量涌现,如何有效地管理和查询XML数据已经成为亟待解决的问题。结合数据库发展的需要,研究了在关系数据库中利用物化视图和查询重写技术存储和查询XML文档。基于视图的查询重写技术是查询优化的一个重要技术,利用缓存的视图结果回答新查询不需要访问源数据库进行查询,能够节省查询处理时间。通过对物化视图、视图缓存、查询重写等技术进行研究,讨论如何利用关系数据库中缓存的物化视图来回答查询的问题,并实现了基于物化视图的XML数据查询系统原型。系统中使用扩展的模式匹配算法实现对多分支路径的模式匹配,解决了重写是否存在的问题,并通过模式匹配算法的匹配结果,来判断是否可以构造补偿表达式。通过构造补偿表达式算法得到重写结果,进而通过数据库中缓存的视图完成查询。     

概率XML数据模型的综述

随着XML成为网络信息表示和交换的标准以及不确定数据的广泛存在,概率XML数据库管理技术成为了当今研究的热点,研究者根据概率数据的类型和解决实际问题的需要提出了多种概率XML数据模型。首先介绍了概率XML数据管理技术的概念,特点和挑战;其次综述了概率XML数据和概率XML数据模型,各种模型的核心思想都来自于可能世界模型,通过选择孩子节点以及删除节点可得到一个可能世界的实例,而且所有实例的概率之和为1;最后介绍了不同模型之间的转换关系。为概率XML数据库的查询、规范化理论奠定了基础。     

基于谱方法和松弛标记的非刚性点匹配算法

谱方法是点模式匹配中一种重要的方法,但该方法对于点模式中噪声与出格点较为敏感,为克服了传统谱匹配方法存在问题,提出了一种运用谱方法和松弛标记的非刚性点模式匹配算法。该方法首先提取点模式中点的KL特征获取点与点的匹配概率,然后运用松弛标记法得到点集间明确的匹配关系;同时,为保证算法的鲁棒性,给松弛标记法定义一个匹配的目标函数,在函数的优化框架下迭代的计算匹配的最优解。本文主要从三方面对传统谱方法进行了改进:首先运用基于KL的匹配概率计算方法提高了原谱图方法抗噪方面的性能,进而在松弛标记方法框架中运用谱方法进行匹配,使算法对出格点具有更好的鲁棒性,最后融合的运用了点的谱图特征和空间分布特征,使算法在较大形变情况下仍能实现有效匹配。文章实验验证了算法的有效性。      

结合特征和时空关联的稳健图像匹配方法

提出了基于特征和时空关联的积相关图像匹配算法．首先，采用Bubble小波边缘检测方法提取实时图与基准图特征；其次，利用惯导位置信息平移基准图，实现序列实时图在其对应基准图中的相对位置相同；最后，基于匹配概率与匹配面积成正比原理叠加序列积相关矩阵，并确定匹配位置．该方法克服了因面积增大由几何失真导致的匹配概率下降的缺点，使匹配概率已精度得到提高，具有较好的匹配稳健性。     

基于遗传算法的点模式匹配方法

点模式匹配是计算机视觉和模式识别领域中的一个重要问题.本文基于矩和不可约矩阵理论给出了仿射变换下的点模式匹配问题的一种新算法,并以仿射变换的匹配结果为初始代,从对极几何约束出发构造相似性度量,利用遗传算法实现了透视变换下的点模式匹配问题.理论分析和仿真实验表明这些算法是有效的.     

一种基于BM算法的改进模式匹配算法研究

基于模式匹配的检测方法是目前入侵检测系统的一种重要方法,因此作为模式匹配方法核心的字符串匹配算法直接影响入侵检测系统的性能和效率.在研究现有算法的基础上提出一种改进的模式匹配算法--New-Search算法.该算法以BM算法为基础,通过预处理阶段处理,首末字符部分定位的思想,增加字符跳转距离,比较稳定地减少匹配过程中字符比较的次数,提高了匹配的速度和效率.     

基于指纹模型的海量模式并行匹配方法研究

精确字符串匹配技术多年来一直被学术界广泛研究.近年来,海量模式匹配的性能问题备受学者们的关注.本文提出了一种基于指纹模型的海量模式并行匹配方法.首先,将海量模式集以长度为衡量标准划分子集.其次,利用动态规划的思想将这些子集合并.最后,调节各子集的冲突率,并通过贪心算法调度到多核处理器中.实验表明,与已有的指纹模型海量模式匹配方法和模式集合划分方法相比,本文提出的方法在性能上有一定提升.     

仿真条件下贝努利试验的匹配概率估计方法

前视红外景象匹配算法性能评价是一个亟待解决的问题。主要研究了匹配概率这一重要算法性能评价指标的估计方法。通过对环境影响因素在红外实时图像上噪声、模糊、放缩和旋转等效应的仿真,进行贝努利匹配试验,估计出单帧图像的匹配概率,并根据单帧图像与部分序列图像匹配概率的关系,计算得到部分序列图像的匹配概率。本文的研究成果为评价前视红外景象匹配算法性能提供了一种有效的新方法。     

基于XML的高校信息集成平台的研究

研究高校综合管理过程中存在的信息孤岛问题,并提出相应的解决方案,以及使用的关键技术。重点分析数据库数据到XML文档数据转换的方法、XML文档存储模式以及将XML查询转化为SQL的查询转换问题。该方案简单易行,既实现了应用系统间的数据交换与共享,同时也保留了已有的信息资源,保证了各部门仍然可以按照原来的方式运行。     

基于Kalman预测和点模式匹配的多目标跟踪

针对复杂背景下多运动目标的跟踪方法不能有效解决遮挡和高速运动等问题,提出一种Kalman预测与点模式匹配相结合的多目标跟踪方法。利用Kalman滤波预测目标在下一帧图像中的位置,以此位置为中心确定目标搜索区域,然后以点模式匹配进行搜索区域和目标模板进行匹配,有效地解决目标的旋转和轻微的遮挡问题。为了提高匹配速度和实时性,在点模式匹配中利用Kalman滤波对目标旋转角度的预测与修正;同时为了保证跟踪的鲁棒性、连续性及准确性,对目标模板的更新采用置信度二级判决门限。实验表明该方法具有较好的实时性,并能够有效地解决遮挡等问题。     

多模式匹配及其改进算法在协议识别中的应用

随着网络的高速发展,使得信息安全问题日益严峻,传统的很多协议识别技术已经无法应对不断出现的网络威胁,作为内容过滤和检测的关键技术之一,同时也是传统的字符串算法中被重点研究的对象之一,模式匹配算法成为当今研究热点。首先介绍了多种单模匹配算法及其存在的缺陷,然后在Aho-Corasick多模式匹配算法基础之上进行了改进,并将该算法应用于协议识别中,最后简单分析了协议识别中模式匹配算法未来的研究方向。     

基于灰色理论的整体模式匹配

模式匹配是Deep Web研究中的关键问题.现有的模式匹配算法都是基于两两匹配的原则,同一时刻只能比较两个属性,比较繁琐,当数据源很大时困难很大,效率不高.利用整体模式匹配的思想,提出了一种新的匹配算法.这个方法引入了灰色理论,将每个接口属性抽象成一个向量,每一个向量表示该属性在某一个模式中出现与否.通过比较两个向量各个分量的值,一次性地处理所有模式,从而从整体上分析属性之间的关联性.实验证明这种方法易于计算机实现,可以简单、高效地完成模式匹配.     

基于多层模式匹配技术的高速以太网NIDS实现方案

目前多数基于网络的入侵检测系统(NIDS)无法适用于对高速以太网链路的实时流量分析和入侵检测任务.本文在传统模式匹配方法的基础上,引入了基于协议分析的多层模式匹配概念:采用FPGA硬件逻辑对长度和偏移量相对固定的数据包包首部分进行模式匹配;采用核心态软件逻辑对长度和偏移量变化的数据包负载部分进行模式匹配.新的模式匹配技术有效提高了NIDS的整体性能.最后,本文给出了一种基于多层模式匹配的高速以太网NIDS实现方案.并对FPGA硬件逻辑和核心态软件逻辑采用的检测策略进行了详细说明.     

基于二维奇异值分解的多元时间序列相似匹配方法

多元时间序列(Multivariate Time Series, MTS)广泛应用于医学、经济、多媒体等领域。针对其相似模式匹配问题,该文提出一种基于2维奇异值分解(Two-Dimensional Singular Value Decomposition, 2DSVD)的匹配方法。2DSVD是经典奇异值分解的扩展,能准确地描述MTS的本质特征。首先对MTS进行2DSVD分解;然后将MTS按行、列组成的协方差矩阵的主特征向量结合原MTS矩阵组成其模式表示矩阵,并借助Euclid范数来度量两个特征模式矩阵之间的相似程度,进而进行多元时间序列的模式匹配。最后通过与直接欧氏距离法、主成分分析、趋势距离、基于点分布特征4种相似匹配方法对3种不同数据规模的数据集进行对比实验,验证了所提方法刻画多种数据规模的多元时间序列特征的有效性和高效性。     

基于局部相对形状上下文与Q-谱的点模式匹配算法

本文提出了一种基于局部相对形状上下文与Q-谱的点模式匹配算法,对每个点构造相应的线图,并对线图的无符号Laplacian矩阵进行谱分解;利用谱分解所获得的特征值(Q-谱)作为点的特征,进而计算点的初始匹配概率;通过定义局部相对形状上下文计算点的相似性距离;将Q-谱方法与局部相对形状上下文结合进行概率松弛迭代获得匹配结果.实验结果表明了本文算法的可行性与有效性.     

海量数据过滤系统中匹配算法的研究

模式匹配算法是数据过滤系统的重要组成部分,其效率直接影响到海量数据过滤系统的性能.为了应对当前不断增加的网络数据量对网络安全造成的威胁,提出了一种新的模式匹配算法——改进的AC-BM算法,并将其应用到海量数据过滤系统中.改进后的算法明显减少了匹配时间,提高了海量数据过滤系统执行效率.     

高效的模式匹配算法研究

对入侵检测中模式匹配的方法进行了研究,分析了当前常用的模式匹配方法的弱点与不足,提出了一种基于三叉树结构的自动机方法,较好的避免了传统树型结构中由于节点数目变化而导致的不便。此外,利用匹配失败的信息,实现了跳跃匹配,提高了模式匹配的速度。*