一种有效的基于密度度量的相交网格划分聚类算法

针对高维聚类算法--相交网格划分算法GCOD存在的缺陷,提出了基于密度度量的相交网格划分聚类算法IGCOD.IGCOD算法对相交网格的尺寸进行控制,重新定义更为合理的密度度量方法,根据密度期望值来合并两个相交的网格.理论分析和实验证明,相对于GCOD算法,基于密度度量的相交网格划分聚类算法IGCOD在性能上有显著的提高.     

现代物流系统中基于频繁子图的RFID路径挖掘算法

为研究射频识别物流挖掘中数据的存储方法,以及基于此类数据集的频繁路径的挖掘,提出基于图的联机分析处理架构,用图来表示物品流动的路径信息,在此基础上提出了基于射频识别数据的频繁子图挖掘算法,来对射频识别频繁路径数据进行挖掘.实验结果与算法分析都表明,基于射频识别数据的频繁子图挖掘算法能够快速有效地挖掘物流频繁子图集.     

基于Mesh结构的网格资源发现机制

在如今大规模的网络环境中,为了解决传统资源发现机制不能很好的适应网络状态、异构等特点的问题,提出了一种基于Mesh结构的资源发现模型。该模型结合了集中式和对等网模型的优点,在中央节点之外,还引入了超级节点的概念,将整个资源搜索过程划分为本地搜索和全局搜索,从而减少了查询时的时间开销。通过理论分析和实验结果,该模型能有效的提高网格环境下的整体性能。     

数据质量维度量化方法

为了实现自动化的数据质量评估,提出了一种在背景范围内的数据质量量化方法QDC（Quantify Dimensions within Context）。数据质量可以用数据和其对应实体的“完美表达”间的差距来衡量。由于“完美表达”很难获得或代价很高,因此提出在多数据源条件下,数据的“完美表达”可以在其背景范围内用投票获得的“最近似”来替代,从而确定了数据质量评估参照的标准。同时提出利用信息论中信息熵指标,将不同类型数据的质量维度统一为通用的度量。作为一种自动化的数据质量评估方法,QDC方法不仅能够对数据的准确性和完整性维度给出准确的评估值,并且具有很高的计算效率。     

云计算：体系架构与关键技术

系统地分析和总结云计算的研究现状,划分云计算体系架构为核心服务、服务管理、用户访问接口等3个层次。围绕低成本、高可靠、高可用、规模可伸缩等研究目标,深入全面地介绍了云计算的关键技术及最新研究进展。在云计算基础设施方面,介绍了云计算数据中心设计与管理及资源虚拟化技术;在大规模数据处理方面,分析了海量数据处理平台及其资源管理与调度技术;在云计算服务保障方面,讨论了服务质量保证和安全与隐私保护技术。针对新型的云计算应用和云计算存在的局限性,又探讨并展望了今后的研究方向。最后,介绍了东南大学云计算平台以及云计算研究与应用方面的相关成果。     

云计算环境下QoS偏好感知的副本选择策略

针对一类个体服务质量敏感的用户,研究云计算多数据中心环境下QoS偏好感知的副本选择策略。根据用户对数据服务的QoS需求,构建副本选择的三维QoS模型,在此基础上,设计基于层次分析法的QoS偏好感知算法QoPA处理个体服务质量敏感的约束条件,并提出基于模糊综合评判的副本选择算法FCE_RS对数据中心每个副本节点进行综合评价,最终得出QoS满意度最高的副本节点。分析和实验表明,FCE_RS算法能为各类个体服务质量敏感的用户提供合理的副本策略。     

挖掘RFID数据库中多维频繁路径的研究

针对应用于物流和供应链管理的射频识别(RFID)系统产生的海量路径数据集中的多维频繁路径挖掘的问题进行了深入的研究,提出了Dim-path与Path-dim两种不同的顺序处理非路径维数据和路径数据的多维频繁路径挖掘算法.这两种算法根据RFID路径数据自身的特点,将RFID数据划分为非路径维数据、位置数据、停留时间数据,...