一种基于集合运算的自动选题算法

本文提出了一种在多重约束条件下的自动选题算法,能满足按试题中各种属性的指定比例选取试题,文中还给出了算法的具体实现及其实例的执行结果。     

关系数据库的集合运算

本文将介绍Fo-chase“和FOWRO等关系数据库的库文件之间的并（U）、交、差（一）等集合运算问题，并给出相应的实现程序。工数据库的集会化关系数据库的库文件都是若干记录的集合，每个记录都有自己的记录号，即使各字段的值都对应相同的两条记录，也都有各自的记录号。在实际操作中，往往用某个（些）关键字段的值来区分不同的记录，当有多个记录的关键字段的值都相同时（如一条记录重复输入多次），只保留其中一条，则去掉关键字段重复的多余记录的操作，称为数据库的集合化。不失一般性，我们只取一个字段作为关键字段。例如：在ST．…     

基于集合运算的最短路径搜索算法

最短路径搜索是路径分析中的热点问题,也是物流运输系统的重要功能和关键技术之一。目前解决最短路径问题的方法多半基于Dijkstra算法。该文在分析和研究了Dijkstra算法及其应用的基础上,提出了一种新的解决方法,其不依赖于静态图结构的生成,而是采用集合运算的思想,通过条件约束不断缩小集合范围,得到符合条件要求的集合。给出了与该方法相适应的数据存储结构,使之在第三方物流运输分析系统中实现了最短路径的搜索。     

神经网络的集合运算

计算神经科学是在视觉计算理论影响下最近才产生的一个新的神经科学分支,其目的在于把从事人工智能、工程学和神经科学研究的科学家组织起来,共同开创一条利用各学科交叉研究脑信息处理的新路.本文介绍模型神经网络的集合运算性质,着重论述 Hopfield 提出的研究神经网络计算特性的理论框架及其在视觉中的应用.在这个基础上,我们分析了 Hopfield 模型的意义.     

良基归纳法在时序逻辑程序不变式验证中的应用

并发程序的不变式验证对理解程序和提高程序的正确性具有重要意义.以一种区间时序逻辑程序设计语言Framed Tempura为研究对象,给出了该语言的等价正则形,定义了该正则形在相邻两个状态上的良基关系,进而利用良基归纳法原理对该语言所描述的系统的不变式进行归纳验证.提出的基于良基归纳法的验证方法在时序逻辑程序中可以方便地验证系统的不变式,尤其是循环结构的不变量性质.     

C＋＋上的集合与序列运算的一种实现

作者通过在Ｃ＋＋系统中增设一个独立的集合类模板和一个独立的序列类模板，提供了Ｃ＋＋上的集合与序列运算的一种新的实现方法，从而可以实现任意数据或对象类较全面的集合与序列运算。     

基于路径集合运算的公交网络寻径算法研究

大规模多换乘网络中最短时间路径精确查询的算法是公交网络寻径问题的研究难点之一,近似搜索算法的求解满意度不高,而精确搜索算法的效率较低.提出了基于路径集合运算的公交网络寻径算法,按换乘次数从低到高依次求取路径集合,通过删除大量冗余路径来优化路径集合并减少计算量,最后生成最短时间路径汇总集合用于快速精确寻径.实验结果表明了算法的可行性和有效性.     

基于集合运算的关联规则采掘算法

1 引言近年来,随着商业、政府和科学数据库的急剧增长和存贮设备的不断升级,给我们带来了大量的数据。面对这“堆积如山”的数据,用传统的数据分析手段无法理解并有效地利用它们。人们希望找到能够自动地、智能地理解分析它们的方法,于是就出现了数据采掘技术。它的提出为我们有效识别出存在于这些数据中的有效的、新颖的、具有潜在效用的乃至最终可理解的模式提供了可靠的科学方法,并成为当今国际人工智能和数据库等领域新兴且热门的研究课题。在事务数据库中发现关联规则是由R·Agrawal等人首先提出的。目前己成为数据采掘领域中的一个非常重要的研究课题。有一个关联规则的例子就是“面包牛奶(20％,80％)”,其直观意义为在所有的购买交易中,同时购卖面包与牛奶的概率为20％,在所有购卖面包的交易中有80％交易同时也购买牛奶。关联规则的应用主要包括顾客购物分析、目录设计、商品广告邮寄分析、追加销售、仓储规划、网络故障分析等。     

关于集合运算的数据结构和算法

本文探讨适合于表示集合的数据结构，提出一系列与集合有关的算法，并分析算法的时间复杂性。     

基于时态失效逻辑的割序集模型量化方法

针对动态故障树割序集模型量化方法的模糊性、不一致性和局限性,提出一种基于时态失效逻辑的割序集模型量化方法.给出3种时态失效逻辑,包括割序集的优先失效逻辑、序列失效逻辑和备件失效逻辑,结合时态区间的概念,设计不同时态失效逻辑的统一量化方法.示例结果表明,该方法计算较为精确,便于操作.     

基于不变矩的人形"头肩像"识别技术

针对实时监控识别人形的要求,提出了一种基于矩不变量的分级识别人形“头肩像”技术。首先从视频帧序列中,采用差分的方法分割出活动目标,对活动目标进行预处理后,根据活动目标轮廓的最小外接矩形宽高比,所定义的轮廓描述符和仿射不变矩,依据所选择的分级差别策略,由实验得出的经验数值,判断运动动目标是人形“头肩像”“正面”还是“侧面”。实验结果表明本方法具有快速,适应性强的特点。     

基于写操作集的数据库同步复制模型

现有数据库管理系统(DBMS)大多采用主从模式的异步复制机制,而主从模式中主节点失效将导致整个系统瘫痪,并且异步复制中潜在的同步延迟可能造成数据丢失。针对该问题,根据组通信同步复制机制,提出一种基于写操作集的数据库多主同步复制模型,能解决异步复制带来的延迟问题,并提高分布式DBMS系统的容错性和可扩展性。     

基于层序遍历的顶点不变量及其图不变量

为了寻找更好性能的图不变量,利用层序遍历过程中的顶点数据经加权累加定义了15 种顶点不变量,每一种顶点不变量排序后可以组成一种图不变量。层序遍历时将顶点度数分为同层度数、向前度数和向后度数,其中同层度数和向后度数包含回路数信息。依据对顶点的细分能力,挑选出3 种顶点不变量,组成图不变量,其不同组合对于各种非同构连通图具有较好的区分性能,不仅对图顶点数N≤8 的非同构图全部可以区分,而且将N=9 的不可区分图数量从文献[9]的989 种降到40 种,且其简并度将趋近2,随机测试表明这些图不变量具有很好的区分度。     

一种基于多区域不变矩的步态识别方法

步态识别是一种新的生物识别技术,它通过人行走的姿势来实现对人身份的鉴别。本文提出了一种基于多区域不变矩的步态识别方法,将视频序列中检测出的步态侧影分为五个子区域,提取每个子区域的不变矩特征并计算步态序列中不变矩的变化特征,从而构成描述步态序列的特征向量。最后的实验表明,提出的方法具有较好的识别性能,是一种有效的步态识别方法。     

基于不变矩的人脸识别方法的研究

人脸识别是模式识别与计算机视觉领域中的一个重要的研究课题 ,在公安、交通、银行、海关以及安全系统等领域有着广泛的应用前景。该文提出了一种基于小波及不变矩矢量的人脸识别方法。利用小波变换减小或消除了表情因素对人脸识别的影响 ,然后利用不变矩矢量作为人脸的特征来进行人脸识别。我们采用了支持向量机和最近邻分类器作为分类器 ,在ORL人脸数据库的基础上进行了测试。实验取得了良好的效果 ,证实了算法的有效性。     

数据挖掘中基于Rough Set方法研究

随着数据挖掘的兴起,有许多分类和预测的方法。数据挖掘研究的实旌对象多为关系型数据库,这给粗糙集方法的应用带来了极大的方便。关系表可被看作为粗糙集理论中的决策表,而利用粗糙集理论来处理数据挖掘有着传统挖掘工具所不具有的优点。粗糙集理论是一种处理不确定和不精确问题的数学工具,文中通过实例介绍了粗糙集的基本理论,并通过实例详细介绍了在基于对决策表属性约简的基础上采用了可变精度粗糙模型实现规则的获取。该实例说明了对于不完备的信息系统,应用粗糙集理论进行数据挖掘是非常有效的。     

数据挖掘中基于Rough Set方法研究

随着数据挖掘的兴起,有许多分类和预测的方法.数据挖掘研究的实施对象多为关系型数据库,这给粗糙集方法的应用带来了极大的方便.关系表可被看作为粗糙集理论中的决策表,而利用粗糙集理论来处理数据挖掘有着传统挖掘工具所不具有的优点.粗糙集理论是一种处理不确定和不精确问题的数学工具,文中通过实例介绍了粗糙集的基本理论,并通过实例详细介绍了在基于对决策表属性约简的基础上采用了可变精度粗糙模型实现规则的获取.该实例说明了对于不完备的信息系统,应用粗糙集理论进行数据挖掘是非常有效的.     

基于时间点击图挖掘的查询建议方法

采用查询建议技术表现用户查询意图的多样化,并自动向用户提供多种选择,是当前搜索引擎普遍的做法。但当前的查询建议研究鲜有考虑时间因素对生成查询建议的影响,而实际上在很多情况下,用户的查询意图会随着时间的推移发生改变。为此,根据时间点击图挖掘原理提出一种查询建议方法。对原始的查询日志文件进行预处理,生成时间点击图。对时间点击图进行非连通子图检测和图的合并操作,以降低或消除图的非连通性。采用基于随机游走模型的图挖掘算法,生成给定查询的查询建议集。在真实的Web环境下进行实验,结果表明,利用该方法能够提高查询建议的精度和差异度,从而生成更加可靠的查询建议。     

基于粗糙集的规则的挖掘

随着计算机技术的发展，急剧产生海量的数据。如何从这些数据中提取有用的信息是一个重要的问题。一种新的数据分析方法——粗糙集理论被提出。该理论在分类的意义下定义了模糊性和不确定性的概念，是一种处理不确定和不精确问题的新型数学工具。文中首先对近年兴起的粗糙集的基本理论进行了讨论，在此基础上运用粗糙集理论对从数据库中规则的挖掘方法进行了研究。并通过一个实例详细地说明了具体挖掘过程，该实例说明了基于粗糙集进行规则的挖掘是较简单的。