浅谈碎石振冲桩的设计与检测

碎石振冲桩在砂土地基中的应用较为广泛，介绍了碎石振冲桩对砂土地基的加固机理，设计、计算及效果检验，并提出了使用中应注意的问题。     

一种有效的数据流最大频繁模式挖掘算法

针对频繁项集挖掘存在数据和模式冗余的问题,对数据流最大频繁项集挖掘算法进行了研究。针对目前典型的数据流最大频繁模式挖掘算法DSM-MFI存在消耗大量存储空间及执行效率低等问题,提出了一种挖掘数据流界标窗口内最大频繁项集的算法MMFI-DS,该算法首先采用SEFI-tree存储包含在不断增长的数据流中相关最大频繁项集的重要信息,同时删除SEFI-tree中大量不频繁项目,然后使用自顶向下和自底向上双向搜索策略挖掘界标窗口中一系列的最大频繁项集。理论分析与实验表明,该算法比DSM-MFI算法具有更高的效率,并能节省存储空间。     

改进遗传算法在试题自动组卷中的应用研究

针对传统的组卷算法具有组卷速度慢、成功率较低、组卷质量不高等缺点。本文提出了一种用改进的遗传算法来求解试题组卷问题的方法。实验结果表明，新方法的组卷成功率和收敛速度都得到明显提高，并且较好地克服了未成熟收敛现象，取得了较满意的组卷效果。     

带部分标记的软件行为踪迹研究

在网络化软件交互过程中,事务产生的行为序列中某些行为的标记(Token)丢失或不可用,导致无法对这些事务进行进一步的分析和处理,比如事务追踪、行为描述、行为模板提取等都难以实现.为了解决这个问题,首先提出了事务处理过程满足马尔科夫性(Markov)的状态转移模型(STM),再将该模型中的状态根据状态划分算法,分割成若干偶图子系统,并分别将这些偶图子系统转化为网络流图,最后采用网络流中最大流(MF)方法对状态转移模型中带部分标记的行为踪迹重新标识,将标识的结果整理成完整的踪迹序列,为后续的行为分析提供便利.实验结果表明,文章提出的方法是有效和可行的.     

融合粒子群算法改进XML数据智能清洗策略

针对XML数据质量问题,以XML键为基础、借助多模板隐马尔可夫模型信息抽取策略与粒子群算法构建新的XML数据清洗方法;为了提高XML相似性数据并行检测效率,尝试利用波函数对粒子群算法进行相应优化．对比其他XML数据清洗算法,一系列仿真实验表明改进的XML数据清洗方法不仅自适应学习功能强、人工参与程度低、计算量小,而且时间性能有94％左右提升．     

一种轻量级架构的ETL系统设计与实现

ETL系统是构建数据仓库的关键组件.通过数据抽取、转换和装载工作,完成处理海量数据和构建数据仓库的任务.如何提高数据处理效率和增强系统稳定性是值得研究的问题.根据电信资源数据省级集中分析系统下的实际应用背景,提出了一种轻量级架构的ETL系统,该架构采取的是"化整为零"的思想,把原先核心的抽取和转换的任务部分划分到各个相应的子系统中做初步的处理,这样处理的优点在于应用中减轻了核心ETL引擎的承载负担,各个抽取任务单独进行互不依赖,提高了抽取效率.通过在具体应用环境下系统运行表明采用该架构ETL系统具良好的使用效果.     

基于多目标优化的多源组播网络编码的构造

在基于单目标优化构造网络编码的基础上,提出了基于多目标优化的网络编码的构造方法。把多源组播网络划分成多个单源组播网络,各单源组播网络的组播容量互相制约,为了使各单源组播网络的组播容量达到最大,采用粒子群优化算法进行子图划分,动态求解包含各子图组播容量的Pareto解集。用户可以优先考虑某个子图的组播容量,选择相应的解向量进行线性网络编码构造。仿真测试结果表明,本方法是可行的。     

数据流中基于滑动窗口的最大频繁项集挖掘算法*

挖掘数据流中最大频繁项集是从数据流中获得信息的一种有效手段,是数据流挖掘研究的热点之一。结合数据流的特点,提出了一种新的基于滑动窗口的最大频繁项集挖掘算法。该算法用位图来存储数据流中流动的数据;采用直接覆盖的方法存储和更新数据流上的数据;在深度优先搜索挖掘最大频繁项集时,除采用经典的剪枝策略外,还提出了与父等价原理相对应的子等价剪枝策略;最后将挖掘结果存储在索引链表中以提高超集检测效率,进一步减少挖掘最大频繁项集的时间。理论分析和实验结果证实了该算法在时间和空间上的有效性。     

非一致性数据库关键词非聚集约束查询与性能分析*

在分析非一致性数据库一致性查询方法的基础上,结合非聚集约束条件,以关键词为元数据,利用B-树与二叉树的原理,提出一种新的针对非一致性数据库的查询方法.通过节点分组访问、分层迭代查询的方法,不仅解决非一致性数据库约束条件难写的问题,而且容易组合选择查询条件,有助于提高查询的灵活性与准确性.