基于FCA的本体原型系统的设计与实现

经过分析本体原型系统中存在的关键问题,提出基于FCA的本体原型系统来弥补缺陷,并阐明了系统的主要特色是采用FCA技术进行本体的构建、合并、三维可视化展现,其中为了在本体展现中简化概念格的显示,提出子概念格的判定方法。最后通过实例,从领域中生成了所有隐含的本体概念,形成了概念之间的上下级关系,结合相关性几率模式给出了非层次级概念之间的相似性以及概念与对象之间的相关度,从而提高了用户在本体中的查询效率。     

企业对市场应变机制OO模型的建立策略

本文基于ＯＯ方法，对“企业”和“市场”进行一般化研究，并深入地分析了市场信息变化的一般规律和企业进行信息转换的机制，最后提出一种建立企业针对市场信息的应变机制ＯＯ模型的策略     

可视化编程语言中small-screen与scaling-up问题解决方法探讨

由于目前可视化编程语言的设计工具主要集中于将其语素和数据应用二维图形对象来表示的范例来实现,针对其随之产生的small—screen与scaling—up问题,提出了一种在二维可视化编程环境下进行解决的方案。可以证明在解决实际问题中效果明显。     

基于GPU和矩阵分块的增强植被指数计算

增强植被指数(enhanced vegetation index,EVI)算法是生态遥感领域的重要算法,被广泛应用在植被分类、作物长势检测和自然灾害监测等方面。而随着遥感影像获取能力的不断提升,在使用传统的EVI算法处理数据量较大的影像时会出现内存占用率较高且耗时较长的现象,给应用系统的快速响应带来了不便。针对这种情况,结合EVI算法特点,提出一种基于GPU和矩阵分块的EVI算法,充分利用CPU和GPU各自的优势提高算法执行效率。对于需要分块处理的影像数据,该计算方法根据影像数据大小、系统可用内存和GPU可用显存计算出分块数目,在CPU端将影像数据按照相同的规则进行分块,然后将分块后数据在GPU端进行EVI运算,最后将运算结果返回到CPU。实验结果表明,EVI算法经过改进后的运算速度得到了有效的提高,内存使用率得到有效的降低,验证了被改进算法的优越性。     

MGSI-8CA标记算法

针对已有连通域标记算法不能适用于遥感数据等海量灰度图像八连通域快速标记的问题,设计并实现了一种MGSI-8CA标记算法。该算法对传统的八连通域标记算法进行八向变四向优化,采用列表机制解决连通域标记冲突问题,并引入了筛选机制和分块处理机制,实现了对海量灰度图像八连通域标记的快速处理,同时也得到了灰度图像连通域的正确划分及精确的连通域数目。实验结果证明,MGSI-8CA标记算法运行效率高,更能适应海量灰度图像处理的要求。     

一种基于矩阵的多值关联规则的挖掘算法

关联规则是数据挖掘研究的主要模式之一,其中布尔型关联规则的挖掘已经有比较成熟的系统和方法,而多值关联规则的挖掘则不然。本文提出的QARMM算法利用矩阵存储数据,将频繁项目集的产生过程转化为项目集的关系矩阵中向量的运算过程,同时克服了SLIG算法和矩阵算法不能挖掘多值关联规则的弱点,只需运行一次便可挖掘出所有关联规则。实验证明,在等价的数据集上挖掘关联规则,QARMM算法比Apriori算法具有更高的效率。