一种基于WEB站点的多媒体数据挖掘方法

随着Web技术及Web数据挖掘技术的成熟和发展，对Web中多媒体的挖掘已经开始成为人们研究的一个热点。基于国内现阶段对Web数据挖掘的研究大多停留在对文本的挖掘，而对多媒体挖掘的研究还很少的状况，采用了基于内容的多媒体相联规则方法——最大出现次数算法，对多媒体数据进行挖掘．先建立了挖掘的基本框架，然后具体介绍这种方法，并详细描述了挖掘的基本流程，最后展望了该领域将要作进一步研究的内容．     

基于VRML-Java的虚拟现实技术在可视化装配中的应用

为实现建立在开放技术标准之上的可视化装配系统，本文对基于VRML－Java的虚拟现实技术在工程设计领域的应用进行了研究，提出了一种新型的Web环境下3D交互仿真结构，3D模型下载到客户端显示，复杂的运算和仿在服务器上进行，从而实现服务器端装配模型和客户端显示模型的分离，在此基础之上可以完成VRML场景的动态生成，装配控制、碰撞检测以及装配过程的动画回放等功能，该结构不仅可用于网络环境下的可视化装配，也适合于其他领域基于Web的科学可视化。     

基于5层体系结构的Web应用模型

目的针对Windows DNA开发3层Web应用的不足，提出一种5层体系结构的Web应用模型。方法基于ASP．NET组件技术。结果建立了一种基于ASP．NET组件技术的5层体系结构Web应用模型，并给出了安全层和数据访问层的实现方法。结论利用此Web模型实现的应用系统具有更好的安全性、灵活性、伸缩性和可维护性。     

基于数据依赖信息的Web服务合成

在分析传统的工作流模型的基础上,研究了服务之间数据信息的依赖关系,给出了一种基于数据依赖的Web服务合成的模型。该模型具有柔性的特点,考虑到实际应用中可能对合成方案进行适当修改的需要,给出了验证修改后方案后数据完整性和一致性的方法,使给出的模型更易于实用。     

基于Web服务的电子商务数据集成系统的研究

利用Web服务在数据集成方面的应用优势，设计了一种基于Web服务的数据集成系统．针对目前数据集成中采用的全局模式存在的缺陷，提出了一种基于关键模式的数据集成方案，并给出了关键模式的提取过程和增量维护算法．实践证明，该数据集成方案可提高数据集成的效率．     

语义Web对比三层网络架构的体系结构模型的研究

给出了语义Web基于元数据的数据存储结构模型和基于SOAP的异构Web数据源的集成模型，并通过语义Web与当前三层网络架构模型的对比研究，给出了一种语义Web体系结构的可能模型。     

新一代Web三维图形标准X3D及其应用

随着Web应用的发展,基于Web的虚拟现实技术得到广泛的应用.在Web三维图形技术领域,原有的技术标准VRML(Virtual Reality Modeling Language)由于自身的缺点难以适应Web3D的应用发展,为此Web3D联盟提出了新一代Web三维图形标准X3D(Extensible 3D Specification).X3D采用模块化的结构,使用多种文件编码形式,有统一的应用程序模型界面以及可扩展的规格结构,是开放的、可扩展的标准.笔者分析了X3D的技术特点,并对它的产生背景、发展现状及支持工具作了介绍.然后在此基础上给出了一个应用的实例.     

基于Web的数据挖掘系统模型的探讨

Web数据挖掘是把Internet和数据挖掘技术相结合起来的一个新兴的研究领域,本文阐述了基于XML的Web数据挖掘典型处理流程.且在其基础上设计了一个具体的基于XML的Web数据挖掘系统模型并给出其结构框架和工作机理,致力于提供一个Web数据挖掘的综合处理环境,提高挖掘系统的整体性能。     

基于PFGS的无线信道传输失真度的研究

分析了多媒体无线传输模型，并讨论其中的信源编码失真度Ds、信道传输失真度Dc、系统总体失真度D及其相互的关系．着重研究了多媒体数据信道传输失真度Dc的计算，同时基于精细粒度分层编码的码流特点，提出了一种简单有效的信道传输失真度预测算法．结合PFGS分层编码和t。，bO码，对整个多媒体数据传输进行了仿真，仿真结果表明该预测算法简单准确，精度较高．     

基于消息语义相似度二分匹配的Web服务发现方法

随着Web服务数量的剧增，Web服务发现是目前面向服务的体系架构中的重要部分。并且成为Web服务研究的一个热点．笔者提出了一个基于语义匹配的服务发现方法．首先，在标准WSDL中进行本体相关的语义扩充，将服务操作中必要的信息进行语义映射，包括：Web服务操作名称以及服务操作的输入消息和输出消息．其次提出了一个基于消息语义相似度二分匹配的Web服务发现方法．实验表明该方法提高了服务发现的查全率和查准率，且具有良好的可伸缩性．最后得出结论：该方法使用WSDL标准规范而不是特定的Web服务语言或模型，因而易于实施；该方法提高了计算机自动发现服务的效率．     

A Deep Web Query Interfaces Classification Method Based on RBF Neural Network

This paper proposes a new approach for classification for query interfaces of Deep Web, which extracts features from the form＇s text data on the query interfaces, assisted with the synonym library, and uses radial basic function neural network （RBFNN） algorithm to classify the query interfaces. The applied RBFNN is a kind of effective feed-forward artificial neural network, which has a simple networking structure but features with strength of excellent nonlinear approximation, fast convergence and global convergence. A TEL_8 query interfaces＇ data set from UIUC on-line database is used in our experiments, which consists of 477 query interfaces in 8 typical domains. Experimental results proved that the proposed approach can efficiently classify the query interfaces with an accuracy of 95.67%.     

KDS-CM： A Cache Mechanism Based on Top-K Data Source for Deep Web Query

Caching is an important technique to enhance the efficiency of query processing. Unfortunately, traditional caching mechanisms are not efficient for deep Web because of storage space and dynamic maintenance limitations. In this paper, we present on providing a cache mechanism based on Top-K data source （KDS-CM） instead of result records for deep Web query. By integrating techniques from IR and Top-K, a data reorganization strategy is presented to model KDS-CM. Also some measures about cache management and optimization are proposed to improve the performances of cache effectively. Experimental results show the benefits of KDS-CM in execution cost and dynamic maintenance when compared with various alternate strategies.     

基于XML的Web数据挖掘技术

全面分析了Web挖掘最新技术及发展方向,重点分析了Web结构挖掘、Web内容挖掘方法以及Web Log挖掘等,介绍了基于XML的Web数据挖掘的特点,提出了运用XML解决Web数据挖掘中半结构化数据的模型查询与模型抽取的方法,并通过实例说明了该方法.     

Web数据挖掘技术初探

Web数据挖掘是目前信息技术中的研究热点，它是现代科学技术相互渗透与融合的必然结果。讨论Web数据挖掘技术中各种类型的Web数据挖掘的基本过程以及它们所使用的一些相关技术，分析Web数据挖掘的特点及面临的挑战.     

基于XML的Web数据挖掘技术的探讨

随着信息时代的来临,Web数据挖掘成为了一门新兴研究领域,分析了Web数据挖掘的特点,并将XML技术引入Web数据挖掘领域中,进而在此基础之上介绍了一种数据挖掘的模型。     

流数据频繁项算法研究

流数据频繁项挖掘是一项重要的研究课题,是其他流数据挖掘任务的基础。Lossy counting 算法是第一个近似的流数据频繁项挖掘的算法,并且具有空间和时间的高效性。详细分析该算法,尤其是它不能回答关于时间的查询的不足后,对其进行改进,提出了一个在多时间粒度上挖掘流数据频繁项的设想,加入时间维度。改进后的算法在时间倾斜窗口保存与合并频繁项,可以应用于各种对时间敏感的流数据查询和挖掘应用中。     

An Efficient Query Rewriting Approach for Web Cached Data Management

0 IntroductionWitmhentth ef oerxp slhosairvineg gr ionwfotrhm oaft itohne iWsW aW k,eythe p rroeqblueirme-.When we deal withthe unprecedented amount of data,we areeasylost in browsing them. Thus , handling these data effi-ciently becomes more difficult than before.Consider the application domain publication retrieval ,which are abundant onthe Web and usually demandlongti meto generate the end-results through the query interfaces pro-vided by search engines .It oftenrequires three steps to de…     

Web3D技术在多媒体教学中的应用

多媒体技术是计算机教育应用的热点领域,在现代教育中扮演着越来越重要的角色。而Web3D技术作为虚拟现实技术的一种实现形式,为虚拟现实技术走进课堂,走近学生,提供了广阔的发展平台。本文从多媒体教学中存在的实际问题出发,设计制作了基于X3D标记语言的3D多媒体课件,为Web3D技术在多媒体教学中的运用寻找到了一条新途径。     

Extracting Result Schema Based on Query Instances in the Deep Web

Deep Web sources contain a large of high-quality and query-related structured date. One of the challenges in the Deep Web is extracting result schemas of Deep Web sources. To address this challenge, this paper describes a novel approach that extracts both result data and the result schema of a Web database. The approach first models the query interface of a Deep Web source and fills in it with a specifically query instance. Then the result pages of the Deep Web sources are formatted in the tree structure to retrieve subtrees that contain elements of the query instance, Next, result schema of the Deep Web source is extracted by matching the subtree＇ nodes with the query instance, in which, a two-phase schema extraction method is adopted for obtaining more accurate result schema. Finally, experiments on real Deep Web sources show the utility of our approach, which provides a high precision and recall.     

数据挖掘方法分析与评价

文章首先介绍了数据挖掘的概念及其产生的背景；数据挖掘的基本方法的原理、特点、优缺点以及应用范围；并且概述了几种常用的数据挖掘方法，即分类和聚类分析。其次，列举了几种复杂类型数据挖掘方法，如空间数据库、多媒体数据库等，以及一些与社会生活息息相关密切相关的数据挖掘。最后，介绍了数据挖掘的发展趋势。