Computing Skyline Groups:An Experimental Evaluation

Skyline group, also named as combinational skyline or group-based skyline, has attracted more attention recently. The concept of skyline groups is proposed to address the problem in the inadequacy of the traditional skyline to answer queries that need to analyze not only individual points but also groups of points. Skyline group algorithms aim at finding groups of points that are not dominated by any other same-size groups. Although two types of dominance relationship exist between the groups defined in existing works, they have not been compared systematically under the same experimental framework. Thus, practitioners face difficulty in selecting an appropriate definition. Furthermore, the experimental evaluation in most existing works features a weakness,that is, studies only experimented on small data sets or large data sets with small dimensions. For comprehensive comparisons of the two types of definition and existing algorithms, we evaluate each algorithm in terms of time and space on various synthetic and real data sets. We reveal the characteristics of existing algorithms and provide guidelines on selecting algorithms for different situations.     

MapReduce框架下k-支配轮廓查询算法

随着维度和数据量的不断增长,已有的轮廓查询方法已无法为用户提供更好的查询支持.本文采用并行处理框架MapReduce 结合k-支配轮廓查询算法来解决此类查询问题.在对输入的数据集进行预排序的基础上,提出了基于MapReduce 的单轮扫描算法和双轮扫描算法,通过在不同维度、数据分布、节点个数等方面的实验测试及对比,验证了算法的有效性.     

更新环境下多样K-支配轮廓查找方法

现有的多样-支配轮廓查询算法仅仅关注属性值不变的静态数据集,如何求出属性值更新时的多样-支配轮廓是多样K-支配轮廓查询领域一个新的研究问题。数据集的属性值变化包括单一数据和若干个数据的属性值变化的两种情况。对于这两种情形,利用现有的多样K-支配轮廓,本文提出了两种不同的查找算法。证明了算法的正确性和有效性,并且通过实验对算法进行了分析和验证。     

移动环境中的位置依赖连续轮廓查询

针对移动环境中查询点快速移动时连续、高效输出给定搜索区域数据轮廓的问题,提出一种位置依赖连续轮廓查询算法(LDCS).该算法结合数据流技术,首先使用R树快速更新查询数据,然后利用两次连续计算时搜索区域的重叠性构造被动数据流,并对新增和失效数据分别进行处理,从而连续输出轮廓.由于充分利用了已有结果,LDCS的计算量较传统算法有大幅下降.实验结果表明,LDCS特别适合计算频度要求较高的场合,与基于网格索引的算法相比,时间效率随着数据集规模的增大显著提升.     

数据流上的轮廓查询算法

采用滑动窗口技术对数据流进行近似,提出了两种数据流上的轮廓查询方法:CCS算法和PCS算法.CCS算法能够实时反映数据的变化,内存空间的利用率也较高.PCS算法则适合周期性更新的应用环境,有利于节约CPU资源.实验结果证明所采用的算法是有效的.     

基于聚类的逆向Skyline查询算法

逆向Skyline查询能够应用到诸如决策支持、用户偏好支持以及市场行为分析等方面。由于参考对象q的存在,在执行逆向Skyline查询的过程中数据空间被划分成许多分区。然而,存在的算法都没有考虑这个问题的影响,直接使用原始数据集建立索引结构。本文提出了一种新的逆向Skyline查询方法CRSQ,它考虑了这个问题。CRSQ首先根据查询对象q对数据进行聚类,然后建立R-tree索引,最后利用高效修剪策略修剪索引搜索空间。实验结果表明CRSQ算法是有效的,它相对于没有聚类技术的算法获得了50%以上的性能提高。     

一种基数可调整的轮廓查询——模糊轮廓

针对轮廓查询的结果随着数据维度的增加而显著增加的问题,在模糊集理论的基础上,提出了模糊轮廓集的概念,量化了不同数据点对轮廓查询的贡献度.以此为基础,通过在模糊轮廓集中取不同的截集达到了准确控制查询结果数量的目的.同时,提出了有效的FSCA算法来求解任意的模糊轮廓,为用户提供δ个数据点,方便了用户的决策.实验分析的结果表明,模糊轮廓查询是一种有意义的基数可调整的新型轮廓查询,FSCA算法是有效的模糊轮廓求解算法,它们共同为用户决策提供了很好的辅助手段.     

异构Web对象共指冲突识别与消解研究

针对现有的语义Web 中对象共指的消解工作研究不足,提出了一种异构Web数据流对象共指消解的技术.首先,定义了Web数据流对象的对象共指冲突识别与消解框架;然后,提出了一种基于描述逻辑的对象共指识别技术,归纳给出了描述逻辑的层次依赖关系并提出了基于依赖图的冲突遍历识别算法;并且,在冲突消解方面,定义了冲突的三种类型、冲突消解匹配模式与仲裁消解算法;最后,分别用测试集检验了本文提出的异构Web数据流冲突识别与消解技术的应用效果.     

基于遗传算法的线性多输入系统极点配置设计方法的研究

在确定的闭环极点下,多输入线性时不变系统的状态反馈矩阵的解不唯一。针对无法解决的优化问题,提出了一种新的基于遗传算法的设计方法,即将传统的直接计算法和遗传算法相结合,找到合适的优化参数,从而找到最优阵。该算法不需要复杂的计算,物力实现容易。对于具有普遍性的对象进行MATLAB仿真,试验结果表明新算法得到的反馈矩阵优于其它各种方法,从而具有一定的理论意义和实践意义。     

一种更新K-支配轮廓的算法*

k-支配轮廓查询技术在计算高维空间数据集时,解决了查询结果集合过大的问题,更有利于用户决策;然而,现有的算法都是针对静态k值设计的,不适合k值动态变化的情况。为了解决此问题,提出一种思路,即当k值改变以后,以现有的查询结果为基础,通过对可能发生身份变化的数据点进行判断,得到新的k-支配轮廓。在此基础上分别针对k值增大和k值减小这两种情况提出了相应的更新算法。通过理论分析和实验,算法能快速完成运算并返回正确查询结果。     

Sampling-Based Approximate Skyline Query in Sensor Equipped IoT Networks

The ever increasing requirements of data sensing applications result in the usage of Io T networks. These networks are often used for efficient data transfer. Wireless sensors are incorporated in the Io T networks to reduce the deployment and maintenance costs. Designing an energy efficient data aggregation method for sensor equipped Io T to process skyline query, is one of the most critical problems. In this paper, we propose two approximation algorithms to process the skyline query in wireless sensor networks. These two algorithms are uniform samplingbased approximate skyline query and Bernoulli sampling-based approximate skyline query. Solid theoretical proofs are provided to confirm that the proposed algorithms can yield the required query results. Experiments conducted on actual datasets show that the two proposed algorithms have high performance in terms of energy consumption compared to the simple distributed algorithm.     

基于轻量卷积神经网络的目标跟踪改进算法

针对现有目标跟踪算法在跟踪过程中遇到目标形变、遮挡等干扰属性导致不能对目标进行有效跟踪的问题，提出一种基于轻量卷积神经网络（lightweight convolutional neural network,LWCN）的目标跟踪改进算法。首先利用改进的卷积神经网络对模板图片和跟踪图片进行特征提取，并将不同层次的特征图充分利用，解决了随着网络加深而导致部分特征丢失问题；其次融合CN特征和HOG特征作为相关滤波器中目标特征表达，增强在不同干扰属性下的目标描述能力；再次通过最大响应值对当前目标位置和目标尺度进行判断，并决定是否更新滤波器模板；最后将LWCN算法与其他算法在OTB50、OTB100、UAV123等数据集上进行性能对比实验。实验结果表明，LWCN算法具有较好的稳定性和实时性，并在遇到形变、遮挡、光线和背景变化时，跟踪结果优于大部分算法。     

基于DEM提取流域河网研究

回顾和介绍了基于DEM提取流域河网的三种不同算法移动窗口算法、坡面径流模拟算法、谷线搜索算法,其中坡面径流模拟算法由于其水文学基础,能产生连续河网,能与分布式参数模型紧密结合,进而分析了这三种算法各自的优缺点和存在的主要问题,重点分析和讨论了坡面径流模拟算法中存在的三个基本问题(1)水道起始点位置的确定,(2)凹陷与平坦区域水流方向的确定,(3)模拟河网与自然河网之间的偏差.最后,针对算法中存在的问题,探讨了未来的研究重点.     

RealMon: 处理低质量SNMP数据流的实时监测系统

提出了一个新颖的数据流监测系统RealMon的设计和实现。该系统能够在大量的网络流量数据中通过分析不同数据流之间的关联关系及时地检测出数据异常。通过应用数据流挖掘算法，该系统能够对电信骨干网络的SNMP流量数据进行监测。同时为了解决所采集SNMP数据中存在着的大量数据质量问题，该系统集成了数据流清洗算法，该算法能够实时处理SNMP数据来提高所采集数据的质量。在模拟环境中的测试表明，该系统能够在SNMP数据流上同时对数千条链路进行有效监测。     

基于窗口查询的轮廓查询算法

轮廓查询在涉及多标准决策的空间数据库应用中起着非常重要的作用,轮廓的计算在数据库通信方面受到很大关注,特别是无需访问所有的数据文件就能很快的返回轮廓中的点的算法.本文提出一种基于窗口查询的轮廓查询算法,通过不断变换查询窗口来缩减查询空间,所访问的空间数据点数目大大减少,查询结果有很好的健全性和完整性.     

用改进的遗传算法进行多流股换热器网络综合

建立了有分流情况下换热器网络综合的教学模型,该模型改进了文献中等温混合的不合理假设,有分流情况下的换热器网络综合问题本质上是一个混合整数非线性规划(MINLP)问题。这类问题的非凸非线性特性使得目标函数存在多个局部最优解,传统的基于梯度的搜索方法在处理这类问题时由于计算规模庞大且极易陷于局部最优解而不再适用,因此对遗传算法进行多流股换热器网络综合的方法进行了研究,最后通过例题证明了方法的有效性。     

一类两机器 no-wait 流水作业总完工时间问题

在两机器 no-wait 流水作业问题中,每个工件在加工前有一调整时间,加工完之后有一移走时间,同一工件的调整和移走是可以重叠的,但加工时间不能重叠,同时任一工件在第二台机器上的加工必须紧接在它在第一台机器上的加工之后进行,本文以总完工时间为目标函数,讨论问题最优解中工件排列应满足的条件;其次讨论当工件的三种时间满足一定条件时最优时间表的求法;最后为问题设计了一个近似算法.     

基于状态空间搜索的不确定轮廓查询算法

针对阈值轮廓查询忽略了轮廓的整体性,只考虑单个对象成为轮廓中对象的现象,深入地研究了不确定数据库中的轮廓查询处理技术.首先,提出了将对象集合作为整体考虑其轮廓概率的不确定轮廓查询的定义;其次,通过对其性质的分析,提出了基于状态空间搜索的基本的不确定轮廓算法(BUS);接着,通过进一步分析,在BUS算法的基础上,增加了有效的过滤策略,提出了改进的不确定轮廓算法(IUS).实验结果表明,加入了改进策略的IUS算法明显优于BUS算法,验证了改进策略的有效性.     

基于ASWT的流数据弹性跳变检测算法

在迁移小波树的基础上提出了带放大器的迁移小波树(ASWT)结构,并基于该结构设计出了一个能够在线性时间内检测出弹性窗口中感兴趣的聚集的流数据弹性跳变检测算法.该算法不仅能够监测单调聚集(COUNT、SUM、MAX和MIN)跳变,也适应非单调聚集(AVG)跳变检测.输入数据流不受限制,可以是正数流、负数流或者正负数交错流.实验使用上海证券交易所的实时贸易数据监测交易高峰期和股票价格的涨停期,结果表明本算法是较高效的.     

受ELSE规则支配的模糊LMS算法

针对FSS-LMS算法推理机制不全和算法运算量大的问题,提出了一种新的受ELSE规则支配的模糊LMS算法.ELSE规则的存在使得在任何输入数据条件下都能成功执行推理机制,而且运算量大为减少.与其它模糊LMS算法相比,该算法所建立的模糊规则更加简单和可靠.实验结果表明,该算法不仅具有更少的计算量,而且比其它的模糊LMS算法以及其它传统的LMS算法具有更好的性能.