AdaBoost算法的一种改进方法

Boosting是一种改善任意给定的机器学习算法准确性的通用方法．主要针对AdaBoost算法，介绍了AdaBoost算法的研究背景．分析了实验过程中出现的退化问题以及目标类权重分布扭曲的现象，提出了一种基于调整权重分布，限制权重扩张的改进方法，最后给出了实验结果和分析．     

半结构化查询重写的MiniCon算法

研究了基于半结构化数据查询语言TSL(tree specification language)的查询重写问题.提出了一种半结构化查询重写算法,解决了在给定一个半结构化查询和一组半结构化视图的情况下,找到最大被包含重写的问题.算法借用了可伸缩的关系查询重写的MiniCon算法的思想,解决了半结构化数据模型之下查询重写的一些新问题(如标识符依赖、集合值变量映射等).证明了算法的正确性.     

集合索引结构及其联接操作

集合类型是面向对象数据库和对象-关系数据库中的一种重要的数据类型.提出了集合类型数据的一种索引结构Set_struc,并提出了基于Set_struc的集合联接算法.Set_struc通过合并集合数据的公共前缀组织数据.这种方法可以减少重复数据和重复模式的存储空间,并通过基于树的联接算法提高集合数据上的联接操作的性能.其性能优于现有的算法,如PSJ(partition based join).     

半结构数据上的结构化查询

文章在目前的一些XML存储查询技术基础上应用OODB的思想,提出了一个类SQL的结构化查询语言,并利用对象集合的方法统一定义了数据库的代数系统.同时实现了一个可以进行类似SQL的结构化查询的XML存储的原型系统,并给出了一些查询的测试数据.     

基于频繁闭情节及其生成子的无冗余情节规则抽取

情节规则挖掘旨在发现频繁情节之间的因果关联,已广泛应用于传感器数据处理、网络安全监控、金融证券管理、事务日志分析等众多领域.针对一个事件序列上的无冗余情节规则挖掘,提出了算法Extractor.该算法采用最小且非重叠发生的支持度定义和深度优先的搜索策略来发现频繁闭情节及其生成子,保证了频繁闭情节及其生成子的挖掘质量和挖掘效率;利用非生成子情节的Apriori性质,避免了冗余的情节生成子判断;直接由频繁闭情节及其生成子产生无冗余情节规则,提高了情节规则的生成质量和生成效率.所进行的实验证实了该情节规则抽取算法的有效性.     

一种基于流媒体压缩算法的高性能集群监控系统

随着计算机集群规模与数据量迅速增加,集群监控系统逐渐成为近几年来的研究热点。集群管理员通过对集群中各项指标进行监控采集,有针对性地采取相应措施,有力地保证了系统的稳健运行。然而传统集群监控系统往往面临海量数据产生的性能瓶颈,为此设计并实现一种基于流媒体压缩算法的高性能集群监控系统。通过对产生性能问题的原因进行分析,提出并实现数据帧冗余性优化算法,同时把部分计算量从服务器端移到客户端。通过系统实验以及与目前主流算法进行对比,证明该系统对实际性能产生有效的提升与优化。     

基于MapReduce的时间序列索引与批量查询技术

针对基于不平衡树的时间序列索引对海量时间序列数据查询性能较差的问题,提出一种基于MapReduce的DB-DSTree索引。利用平衡的时间序列索引DHD作为路由树创建分布式的DSTree,并充分挖掘批量查询中的数据局部性,将相似的查询路由到局部节点上,以改善DSTree索引的非平衡性。实验结果表明,DB-DSTree索引的平衡性和局部性较好,可减少子树的查询范围和磁盘I/O次数,提高查询效率。     

Dynamic interval index structure in constraint database systems

Interval index structure plays an important role in constraint database systems.A dynamic interval index structure DM-tree is presented in this paper.The advantage of the DM-tree compared with other interval index structures is that the dynamic operations of insertion and deletion can be operated on the new structure.The storage complexity of the tree is O(n),and the query I/O complexity is O(longn t/B).To improve the performance of the inserting and deleting operations some methods such as neighbored-constraint and update-late are applied.The I/O complexity of inserting and deleting operations is the same as that in B-tree.i.e.,.O(logn).     

一种基于聚类的语义检索算法

潜在语义分析在进行大规模语义检索时计算效率较低、存储开销较大。针对该问题,提出一种基于聚类的潜在语义检索算法。通过文档之间的结构关系对文档进行聚类,利用簇代替文档分析潜在语义,以此减少处理文档的个数。实验结果表明,该算法能减少查询时间,且检索精确度较高。     

基于情节规则匹配的数据流预测

提出了一种数据流预测算法Predictor.该算法为每个待匹配的一般形式的情节规则分别使用了一个自动机,通过单遍扫描数据流来同时跟踪这些自动机的状态变迁,以搜索每个规则前件最近的最小且非重叠发生.这样不仅将无界的数据流映射到有限的状态空间,而且避免了对情节规则的过于匹配.另外,算法预测的结果是未来多个情节的发生区间和发生概率.理论分析和实验评估表明,Predictor具有较高的预测效率和预测精度.