一种基于梯度方向信息的运动目标检测算法

运动目标检测是智能视觉监控系统的基本内容。在对现有算法分析的基础上提出了一种基于梯度方向信息的运动目标检测算法。首先利用方向信息提取视频图像序列中每一帧的边缘梯度图,然后通过改进传统帧差算法,采用uint8数据格式处理含有时间关系的两帧图像以此确定运动目标粗略边界,经运动目标连通域识别,最后结合梯度方向信息准确提取运动目标的完整轮廓。实验结果表明,该算法克服了传统帧差算法不能准确定位目标的缺点,在室内外复杂背景下均能准确地提取完整的目标轮廓。     

空间Skyline查询处理:应用、研究与挑战

引入动态属性的空间Skyline查询处理技术正在多个领域得到应用。首先引出传统Skyline和空间Skyline的定义,进而回顾了15年来Skyline的发展历程。重点介绍了当前空间Skyline在各个领域的主要应用,并根据这些应用总结了主要的研究方法和技术。最后,给出了空间Skyline查询处理面临的诸多挑战,指出了今后的大体研究方向。     

传感器网络中基于卡尔曼滤波的能量高效Top—k查询处理技术

无线传感器网络能量受限,如何实现top-k查询处理的能量高效从而延长网络的生命周期是该领域研究的一个重要课题。论文利用传感器节点读数的时空相关性,提出运用卡尔曼滤波根据已知节点读数对未知节点读数估计的时空建模方法,进而提出基于预测机制的区域采样方法（RegionSampling,RS）。实验表明,论文提出的查询方法不但可以满足用户的查询精度要求,而且大大减少了传感器网络的通信次数节省了能量,从而延长了网络的生命周期。     

遗憾最小化查询研究综述

面临大量数据时,如何从中摘取一部分感兴趣的数据帮助用户进行决策是数据库系统的一项重要功能.在过去几十年里,top-k和skyline查询是两种最常用的技术手段,但他们分别存在不能控制输出结果大小与需要用户提供效用函数的缺陷.为克服两者的缺陷,k代表点查询技术应运而生;其中性质较好、受到较多关注的是k-遗憾查询.本文首先...     

基于数字水印的数据库角色访问控制模型

角色授权是角色访问控制模型中一个重要部分,已有形式化方法大都集中在显式的描述上.本文在研究已有的RBAC模型基础上,结合关系数据库水印技术信息隐藏的特点,提出一种基于数字水印的数据库角色访问控制模型及其实现框架,重点研究了与角色授权相关的水印算法,并给出模型在入侵容忍安全数据库模型中的实现.     

BTreeU-Topk:基于二叉树的不确定数据上的Top-k查询算法

应用需求的发展衍生各种查询类型,Top-k查询是交互环境下一种重要查询类型.由于数据的不确定性,传统数据上的Top-k查询技术和方法不能直接应用于不确定数据查询.在已有不确定数据上Top-k查询算法的基础上,提出基于二叉树的不确定数据上Top-k查询算法BTreeU-Topk;为了提高算法执行效率,对二叉树进行修剪操作进而提出BTreeOPTU-Topk和BTreePU-Topk算法.实验结果表明,BTreeU-Topk,BTreeOPTU-Topk以及BTreePU-Topk算法在不同数据分布以及k值增长时均优于现有算法.     

基于高斯和粒子滤波的传感器数据处理技术

对不确定传感器数据进行建模,利用高斯和粒子滤波技术进行概率推理,以达到节约能量的目的.首先,根据传感器不同节点之间的时空相关性,采用历史数据建立概率模型;然后,在建立的概率模型上利用基本粒子滤波技术进行概率推理;最后,根据传感器数据符合高斯分布的特征,分别采用高斯粒子滤波、高斯和粒子滤波进行概率推理.实验结果表明,高斯和粒子滤波在准确率和运行效率两方面均能达到良好效果.     

基于正反控制模型的可逆逻辑综合

对一般Toffoli门进行了衍变和推广,给出了一个正反控制可逆级联模型(PNCRC),该模型拥有五种基本线型,并能正反控制目标位的输出.基于该模型给出了相应的可逆综合算法.对输入数不大于16的NCMCBench-mark函数进行测试并与已有的可逆综合方法比较,结果表明,利用该模型进行的可逆综合,垃圾信息数和可逆门数的优化效果都具有一定程度的改善.     

基于边界剪枝的不确定场境下偏好查询技术

查询执行时加入场境依赖的用户偏好可以帮助人们从大量信息中发现正确答案。已经证明,不确定场境信息条件下,用户偏好的查询可能导致NP完全或者#P完全难度的推理难题。提出了一个简单通用的方法优化不确定场境信息条件下的用户偏好查询,用户查询等价于搜索建立的场境偏好空间(contextual preferencesspace,CPS)。根据具体应用需求,考虑了两种搜索方案:搜索最优的元组和返回top-k(k为用户指定)个元组。采用定量的方法对用户偏好进行建模。为了提高查询处理效率,提出两种搜索剪枝策略:边界剪枝(branch and bound searching,BBS)和偏序边界剪枝(partial value branch and bound space searching,pBBS)。最后,从I/O访问次数和CPU运行时间两个角度评价所提出的方法。     

包含非数值型属性的交互式遗憾最小化查询

近年来,遗憾最小化查询作为多准则决策的重要工具之一,逐渐成为数据查询的研究热点.遗憾最小化查询中,通过与用户进行交互,不断地学习用户的偏好,可以有效帮助降低查询的遗憾率.然而,已有的研究仅针对具有数值型属性的数据定义遗憾率并据此进行遗憾最小化查询,当面对包含非数值型属性的数据时,这些方法不再适用.本文提出的遗憾率定义针对包含非数值型属性的数据,并给出新的交互式遗憾最小化查询问题的定义.在此基础上,采用“支配”的概念提出用于预处理的skyline删减算法,利用偏好矩阵帮助学习用户偏好,并提出用于解决交互式遗憾最小化的算法MECR＿QS.最后,实验结果表明MECR＿QS算法能有效处理包含非数值型属性的交互式遗憾最小化查询.