模式级链接关联数据集上的关联规则挖掘研究

针对关联数据集合呈现出的大数据特性和蕴含的语义信息,提出了首先建立关联数据集的模式级链接,再进行关联规则挖掘的方法。在同领域RDF数据集上定义RDF数据项模式并提出数据项模式的产生规则;利用RDF数据查询技术从数据项模式获得RDF数据项集合,进而再推导出特定领域内的关联规则。提出的基于关联数据RDF数据项模式的关联规则挖掘方法将关联规则挖掘扩展到同一领域内的数据集合而不再局限于单一数据集,同时给出了基于Hadoop的大规模RDF数据集上的关联规则挖掘的实现方案。实验结果验证了模式级链接对于关联规则挖掘的价值和所提方法的有效性。     

基于概率主题模型的标签预测

充分利用用户自定义标签信息,是理解Web资源语义,提高Web应用智能程度的重要途径。针对资源标签分派中大量存在的信息不完整、不一致的现象,建立基于用户标记行为特征的概率主题模型,利用概率主题模型实现对标记信息不完整资源的标签预测。根据每个资源所对应的标签的统计特征,可产生不同形式的标签文档,通过分析标签文档所生成主题的性能,确定适合于特定数据集的标签文档形式;利用同一主题内词汇间的高度相关性,设计合理的预测标签排序方法,从而实现对标记信息不完整资源的标签预测以及标签语义不一致现象的检测。在数据集DeliciousT 140和Wikilo+上的测试表明,所提方法能有效实现标签预测,并可提高信息检索的性能。     

P2P数据管理研究趋势*

PeertoPeer模型是一种新型的体系结构模型,许多优势有待于进一步发掘,拥有广阔的应用前景。首先指出基于模式的高可扩展的P2P系统可以满足P2P研究领域中对语义支持的需求以及对高可扩展性的需求,是P2P数据管理的发展趋势;通过综述基于模式P2P系统和高可扩展性P2P系统的研究现状,指出现有P2P数据管理研究项目分别从P2P网络的语义重叠网络和重叠网络两个方面改善P2P网络的性能和服务质量,两者之间缺乏衔接,各自的研究成果无法直接结合产生基于模式的高可扩展的P2P系统;给出基于模式的高可扩展P2P系统的研究目标,分析该方面的初步研究成果;最后指出未来需要进一步研究的问题。     

P2P数据管理

P2P(peer-to-peer)技术是未来重构分布式体系结构的关键技术,拥有广阔的应用前景.P2P系统的大多数问题都可归结为数据放置和检索问题,因此,P2P数据管理成为数据库领域活跃的研究课题.当前,P2P数据管理主要有信息检索、数据库查询和连续查询3个子领域,取得了许多研究成果.在介绍P2P技术的优点后,指出了P2P数据管理研究的目标.然后针对上述3个方面,论述P2P数据管理研究的现状,着重讨论了P2P数据库查询的索引构造策略、语义异构的解决方法、查询语义、查询处理策略、查询类型和查询优化技术.通过比较,指出了现状与目标的差距,提出了需要进一步研究的问题.     

运动控制芯片LM628及应用

美国国家半导体公司生产的运动控制芯片ＬＭ６２８带有１６位参数的可编程数字ＰＩＤ控制器，具有速度和位置两种控制模式，可应用于使用ＤＣ电机、无刷ＤＣ伺服电机以及其它可提供增量位置反馈信息伺服电机的闭环计算机控制系统。本文介绍了该芯片主要特征、内部结构、管脚功能、工作原理及典型应用。     

不确定数据频繁项集挖掘方法综述

近几年来,不确定数据广泛出现在传感器网络、Web应用等领域中。不确定数据挖掘已经成为了新的研究热点,主要包括聚类、分类、频繁项集挖掘、孤立点检测等方面,其中频繁项集挖掘是重点研究的问题之一。综述了传统的频繁项集挖掘的两类基本算法,分析了在此基础上提出的适用于不确定数据以及不确定数据流的频繁项集挖掘的方法,并探讨了今后可能的研究方向。     

模糊序列感知哈希

为了解决传统哈希算法在图像近邻检索任务中的模糊排序问题,提出了模糊序列感知哈希,旨在学习满足首位区分规则的哈希函数,其可直接利用二值编码本身信息区分模糊序列,从而在近邻检索中无需额外计算比特位权值和加权汉明距离,能以较小的代价区分与查询样本具有相同汉明距离的数据点之间的序列。建立了类似于近邻检索性能评价指标平均准确率的目标函数,其属于序列保持约束条件,能够保证数据点对在汉明空间与欧式空间内具有相同的相对相似性,可确保所提算法适应于近邻检索任务。在训练过程中,对二值编码、汉明距离以及判断函数进行了连续化松弛处理,从而可直接采用批量梯度下降算法优化目标函数,降低了训练复杂度。在三种图像数据集上的对比实验证明,模糊序列感知哈希的近邻检索性能较优。     

基于模式P2P系统复杂查询处理研究*

通过以关系名的同义关键字作为模式信息的索引键以及垂直分区关系元组,设计了用结构化重叠网络索引模式和数据的方法.基于这两级索引,提出了支持多属性复杂查询的算法.定性分析和比较表明,该方法比相关工作更接近P2P数据管理的理想目标.     

基于粗糙神经网络的医学图像分类新方法

由于乳腺X光图像的复杂性,直接从图像中看出肿瘤及其良、恶性质是比较困难的,因此建立高效的肿瘤自动诊断系统是非常必要的。文章将粗糙集理论中基于信息增益的约简方法和神经网络相结合,提出了粗糙神经网络算法RNN,将其应用于乳腺X光图像分类。实验结果表明,该方法的分类精确度可达到92.37%比单独使用神经网络方法的分类精确度(81.25%)要高,同时所花费的时间也明显减少。