数据仓库与数据挖掘研究进展

随着数据库应用从以事务处理为中心逐渐向以分析处理为中心转化，以数据仓库、联机分析和数据挖掘为中心的基于数据库的分析技术成为近几年来数据库界研究的热点。经过近十年的研究与应用。已经产生了很多的研究成果，建立了较扎实的理论基础，目前正在向与应用领域紧密结合(如流数据)。对现有技术进一步改造方面发展。本文对近两年这几个方向上的研究成果进行了总结。     

ECA规则的模型和行为特定理论

本文给出了ＥＣＡ规则系统的一般性模型，通过扩展系统状态和改变的定义，形式化地描述了规则处理的语义，并着重研究规则系统的行为特征（可终止性和行为一致性）．文中给出的形式化定义和判定方法可作为规则静态分析工具的理论基础.     

改进的基于支持向量机的Web图像检索相关反馈方法

结合用户相关反馈的超平面查询在基于内容的图像检索中面临数据不平衡等问题,即对于给定的查询,图像数据库中负样例(与查询无关的图像)数目往往远大于正样例,使得传统的用户相关反馈技术难以获得足够的相关图像,影响了超平面查询的性能.提出一种新的基于支持向量机的Web图像检索的主动学习策略,根据Web图像的URL、视觉特征来估计图像与查询样本的相关性,用潜在的正样例图像来弥补图像数据的不平衡性,并且提出了对SVM返回结果的重新排序方法.对10000多幅来自50多个不同网站的Web图像数据进行了实验.实验结果显示,与传统的方法相比,该方法对检索性能有明显的提高.     

一种多级安全数据模型中的多实例语义

为了对低安全级的主体(用户)隐藏高安全级的敏感信息,在多级安全数据模型中引入了多实例的概念.关于多实例的语义以及维护一直是多级安全数据模型的研究热点.提出了一种新的多实例语义MLS-POS,并给出了该语义下维护多实例的方法. MLS-POS最大的特点是能够限制低级别用户修改高级别数据的程度,弱化高级别数据与低级别数据的依赖关系,在该语义下维护多实例元组时更具安全性与合理性.     

CAPE--数据流上的基于频繁模式的分类算法

近年来涌现出很多数据流的应用,比如网络日志、传感器网络等．数据流的数据量无限、数据分布变化等特性使得传统的挖掘算法不能很好地解决这些问题．针对上述问题提出了一种数据流上的基于频繁模式的分类算法——CAPE(classification using frequent pattern)．CAPE通过数据流中的频繁模式进行分类,在压缩数据的同时保存了数据中的分类信息．实验证明,这种算法比其他算法有更高的准确性．并且CAPE可以很好地处理训练集包含大量缺失取值的应用．     

ESPM--频繁子树挖掘算法

随着互联网的发展,频繁模式的挖掘由频繁项集扩展到结构化数据：树和图．在这些结构上的挖掘工作被应用于更为复杂的领域,比如生物信息学、网络日志和XML文档．提出了一个新颖的算法：ESPM,以挖掘有序标号树中的频繁子树．不同于以往的工作,把树同构的判断工作放到了算法的晚期,从而减少了整个挖掘过程的时间开销．人工数据集和真实数据集上的实验都证明ESPM相较于其他算法的优越性．还提出了一些可能的改进．     

基于动态子空间距离的图像聚类

聚类分析作为一种重要的非指导学习方法,在多媒体数据管理中得到越来越多的应用,如对图像进行聚类预处理,有助于发现图像之间的语义相似性、减少检索代价等.但是,由于图像语义与视觉特征之间的差异,使得图像聚类的效果还有待进一步提高.聚类分析中,图像通常用高维特征向量表示,显然,在描述图像的相似性方面,各个维所代表的视觉特征的重要性是不一样的,甚至彼此矛盾.传统方法通过权重调整或降维并不能很好地解决上述问题.提出一种新的动态子空间距离计算公式(DSDF),根据任意两幅图像之间关联比较密切的维度,计算出图像之间的相似子空间距离,并利用Clarans聚类算法进行图像子空间聚类.实验表明,该方法在图像聚类效果上明显优于传统聚类方法.     

基于时间窗口聚类的时序数据索引压缩

子序列匹配是时间序列挖掘的经典课题,旨在发现大型数据集中的相似数据序列.很多文献关注固定时间段的序列的查询.但对于多种不同时间段的查询的问题仍然未解决好.基于时间段的查询含义是有时间窗口限制的查询.为了满足多时间段上的查询,简单地为每个时间段的子序列构建索引既耗时又耗存储空间.从目前的文献来看,已有的索引无法满足具有不...     

不一致数据库上带信任标记的查询结果

不一致数据无法正确反映现实世界,其上的查询结果内含错误或矛盾,而现有的很多不一致数据查询处理相关研究都存在信息丢失的问题.AQA(annotation based query answer)针对这一问题采用信任标签在属性级别上区分一致和不一致数据,避免了信息丢失.但AQA假设记录在依赖左边属性上的分量可信,且只针对函数依赖一种约束,具有应用局限性.在综合约束(函数依赖、包含依赖和域约束)范围内、不确定属性任意的情况下扩展了AQA,重新审视了AQA的数据模型及其上的查询代数,讨论了任意约束在查询结果上的蕴含约束计算问题.实验结果表明,扩展后的AQA非连接类查询的性能和普通的SQL基夺相同,连接查询经优化后性能接近普通SQL查询,但AQA不丢失信息与部分同类研究相比有很大优势.     

基于统计模型的社会网络群体关注度的分析与预测

社会网络中的群体关注度问题是研究网络社区中的信息或事件如何引起广大网络用户的关注、并随着信息的传播逐渐变化的问题.分析了网络社区用户对网络中的信息对象的关注特点,并通过统计复旦大学日月光华BBS论坛用户的发帖、回帖数据来验证关于用户群体关注度的分析结论.同时,基于大量数据的统计分析构造出一个群体关注度预测模型,用以预测论坛用户对于新出现的信息或事件的群体关注度演化趋势.这种预测模型的生成和预测方法也适用于其他社会网络平台上的群体关注度分析和预测,因而在网络广告投放、网络舆论监测和控制等方面都具有重要的应用价值.