带有规则优先级的主动规则终止性分析

主动规则的终止性指规则集的规则之间的相互触发不会无限循环下去,即规则是可终止的。对主动规则的终止性分析方法包括图方法和代数分析方法。针对已有分析方法的局限性,介绍一种主动数据库规则终止性分析的一种新方法,将主动规则翻译成逻辑语句,考虑到系统的执行语义,转换为演绎规则中已知终止性的主动过程,利用该规则终止性分析方法对更多规则进行终止性分析,给出相应定理及其证明,最后给出规则优先级算法。     

基于Voronoi图的连续反向最近邻查询

为解决动态环境中移动点的连续反向最近邻查询问题,将连续反向最近邻查询分为单色和双色2种情况进行研究。利用移动点Voronoi图,分别给出单色连续反向最近邻查询算法、双色连续反向最近邻查询算法以及相关定理,对算法正确性和可终止性进行证明,分析算法时间复杂性。按照移动点Voronoi图的拓扑结构是否改变分为2种情况,分析每种情况下候选所在区域的变化,在变化区域内进行Voronoi图的重构,得到对应的解决方法。在多数情况下,该算法只需生成局部移动点的Voronoi图即可找到结果,减小了连续反向最近邻查询的代价。     

基于风险权重的信息安全评估模型的研究

提出一种新的信息安全评估模型.该模型引入了风险权重概念,对潜在的风险因素进行分级量化,有效消除主观评价和不确定性因素对评估结果的影响.相对于已有评估模型,该模型评价指标简明清晰、评价步骤简洁规范、量化标准统一,具有良好的操作性和实用性,便于对各种信息系统进行快速评估.     

障碍环境中可视反向视域K最近邻查询

在障碍环境下的空间应用中,用户通常只对视域范围内可视的数据对象感兴趣。为解决障碍环境中视域范围内的反向最近邻查询问题,将视域可视性引入到反向K最近邻查询中,提出一种可视反向视域K最近邻查询算法。给定某空间数据集P、障碍集O和查询点q,可视反向视域K最近邻查询检索P中数据点,并将q作为可视视域K最近邻。应用查询点进行障碍过滤,得到障碍过滤算法,利用数据对象的视域进行剪枝,使用查询点与数据对象的关系剪枝,形成有效的障碍剪枝规则,并根据剪枝规则得到视域可视性判断算法。在此基础上,分别基于R^*-树和VFR-树提出可视反向视域K最近邻查询算法R^*-V2-RKNN和VFR-V2-RKNN,并分别通过对R^*-树和VFR-树进行一次遍历得到查询结果。在真实数据集和模拟数据集上的实验结果表明,VFR-V2-RKNN算法的查询性能明显优于R^*-V2-RKNN算法。     

受限空间连接查询及代价分析

针对已有的空间连接查询算法无法解决限定范围内的空间连接查询问题,提出了受限的空间连接查询,在给定查询范围内找到满足某种空间谓词的空间对象,给出直接解决方法和基于R-树的受限空间连接查询算法.基于QR树的优良特性,提出一种基于QR树的受限空间连接查询算法,该算法既避免了四叉树的较大存储代价,又克服了R树的节点重复的弊端,使得受限空间连接查询可以在多棵较小的R树上进行,较好地解决了空间连接查询开销较大的问题.对所提出的算法进行代价分析,实验证明算法具有较高效率.     

基于语义分析的网络不良信息过滤系统研究

设计一种基于语义分析的信息过滤模型。该模型针对不良信息的特点,以自然语句为处理单元,采用主题词和语义分析的两级过滤工作模式,可以同时获得较高的处理效率和精度。样本实验表明,该过滤模型能够更好地满足不良信息过滤的实时性和准确性要求。     

基于预检测SUSAN算法的图像拼接

为了快速精确提取图像角点,提出了一种基于预检测的SUSAN角点提取方法.文中首先采用预检测的方法排除部分伪角点,对预备角点采用SUSAN算法检测出图像的角点.然后采用图像分块技术和近邻角点排除方法来保证角点分布均匀,没有成簇现象,保证后续图像拼接的精度.实验结果表明,此方法不但能提高角点的检测速度,而且能合理地提取图像中的角点,提高角点的检测精度,进而提高图像拼接的速度和精度.     

基于相关性理论的弱点目标检测技术研究

基于相关性理论,介绍目标检测与跟踪的发展现状和已有的研究方法,提出进行弱点目标检测与追踪的新方法.     

基于Voronoi图的线段反向最近邻查询

提出一种基于平面线段的反向最近邻查询方法,用于找出线段集中以查询线段作为最近邻的线段。通过构造线段集的Voronoi图处理不相交的线段。根据其邻接特性和局部特性,给出基于Voronoi图的线段反向最近邻查询算法及相关定理和证明。实验结果表明,反向最近邻方法易于找到相交的线段,具有较高的查询效率。     

基于V~＋图的移动K近邻查询研究

移动K近邻查询（MkNN）找到一个移动查询点的K个连续最近邻。目前解决此类查询的方法有两种：利用采样的方法和基于安全区域的方法。在传统的安全区域方法基础上提出一种基于安全区域的技术来计算MkNN,称为V＋图。此方法除了数据对象外还利用查询点和查询空间的信息,给出基于V＋图的MkNN查询算法和相应定理及其证明。