实视图选择研究

定义了数据仓库领域的视图选择问题,并讨论了与该问题相关的代价模型、收益函数、代价计算、约束条件和视图索引等内容;介绍了3大类视图选择方法,即静态方法、动态方法和混合方法,以及各类方法的代表性研究成果;最后展望未来的研究方向.     

甘油预处理蔗渣的木质素分离提取及结构表征

以甘油分别对甘蔗渣进行常压甘油自催化（AGO）预处理和常压甘油碱催化（al-AGO）预处理。利用酸沉法分别从预处理液中得到自催化甘油木质素（AGOL）和碱催化甘油木质素（al-AGOL）。利用单因素实验和正交实验得到最佳木质素提取工艺为转速8000r/min、离心时间15min、甘油混合液pH为3、甘油混合液浓度10%,在该条件下木质素AGOL和al-AGOL提取率分别达到72%和76%。采用扫描电镜（SEM）、元素分析、紫外光谱（UV）、凝胶色谱（GPC）、核磁共振¹H谱、热重分析以及抗氧化活性分析等技术手段对提取得到的木质素进行结构表征。结果表明：从甘蔗渣中提取的球磨甘蔗木质素（MBL）、AGOL和al-AGOL主要呈现出球形特征;AGOL和al-AGOL具有相似的活性特点,与MBL相比,AGOL和al-AGOL的分子量更小、分布更窄、均一性更好,热稳定性和抗氧化活性更高,有望成为重要的工业原料。     

基于最大熵原理的空间特征选择方法

特征选择在模式识别和数据挖掘等领域都有十分广泛的应用.然而,当涉及空间数据时,由于传统特征选择方法没有很好地考虑数据的空间特性,所以会导致特征选择结果性能下降.从空间数据本身的特性出发,提出一种特征选择方法MEFS(maximum entropy feature selection).MEFS在基于最大熵原理的基础上,运用互信息和Z-测试技术,采用两步方法进行空间特征选择.第1步,空间谓词选择;第2步,选择与每个空间谓词对应的相关属性集.最后,分别对MEFS方法和RELIEF方法以及基于MEFS的分类方法与决策树算法ID3分别进行了实验比较.实验结果表明,MEFS方法不仅可以节约特征提取和分类时间,而且也极大地提高了分类质量.     

FPNN:优化的过程神经网络模型及其应用

利用既定条件下过程神经元与傅里叶神经元的等价性,提出一种优化的过程神经网络模型FPNN,并对等价性进行了证明。FPNN网络在保持了过程神经网络模型表达能力和预测准确率的同时,继承了FNN的优点,大大提高了模型的效率。     

一种无线通信环境中用户移动模式的挖掘算法

发现无线通信环境中用户的移动模式是移动对象管理中的一个关键问题.提出一种快速挖掘该模式的算法SAM(split and merge),用来挖掘移动对象所产生有序数据集中潜在的移动模式,从而为移动对象管理提供服务.该算法将自底向上搜索和自顶向下过滤技术相结合,采用图存储压缩数据集方法,利用非频繁项集分解子图和频繁长模式过滤数据集相结合的技术,大大减少了迭代次数,降低了CPU时间.最后给出了算法性能比较和算法分析.结果表明,该算法是有效的.     

使用九点双三次卷积插值方法改进的DeepLab-v3模型

针对DeepLab-v3模型中双线性插值方法只能从邻近的四个抽样点提取信息,导致图像分割的精确度下降问题,提出两个改进的DeepLab-v3模型,即IDL-v3-1（improved DeepLab-v3-1 model）和IDL-v3-2（improved DeepLab-v3-2 model）。两个改进的模型使用九点双三次卷积插值方法替换DeepLab-v3模型的双线性插值方法,以获得更精确的分割图像。在PASCAL VOC 2012数据集上检验发现,与DeepLab-v3模型相比,IDL-v3-1和IDL-v3-2的精确度分别提升了0.43%和0.59%,分割每张图像的耗时量分别增加了0.002 s和0.005 s。实验结果表明,改进的DeepLab-v3模型可以在比DeepLab-v3模型相近的时间成本内达到更高的图像分割精度。     

北京大学“数据结构与算法”教学设计

本文介绍了“数据结构与算法”课程的教学理念、教学设计、教学方法和手段的改革与创新。根据ACM/IEEE CC2005和教育部计算机教指委CCC2006学科规范,从问题求解出发,在基础理论、抽象和设计的三个层次组织课程内容体系,特别强调以知识与能力培养为导向的教学目标和定位。     

数据流中频繁模式的评估与维护

研究了数据流中频繁模式的挖掘问题，主要贡献在于：(1)基于启发式思想方法和抽样理论的基础上，提出了基于数据流样本集的分步模式估计方法；(2)算法求解所有长度的模式，而不仅仅是单项集模式；(3)为了找到满足精度要求的恰当的数据流样本集长度，引入了Hoeffding bound理论，并进行了修正，从而使之更适合于这一问题：(4) 提出了对估计模式进行在线维护的方法．基于上述方法的基础上，提出了模式估计和维护算法．最后，通过和已有算法进行实验对比分析，结果表明，该算法在结果精度、空间、时间复杂性等方面都适合进行数据流的分析．     

实时主动数据仓库的概念、问题及应用

近年来,数据仓库技术在学术界和工业界都得到了广泛的关注.实时主动数据仓库(real time active data warehouse, RTADW)是数据仓库技术发展的一个新的阶段,具有十分广阔的应用前景.介绍了实时主动数据仓库的概念和特点,探讨了实时主动数据仓库的研究问题,并列举了一些典型应用.