基于委员会查询和自步多样性学习的医学图像分割

由于拥有像素级标记的医学图像数量非常少,制约了卷积神经网络在医学图像分割任务上的应用,因此,该文提出了一种基于委员会查询的自步多样性学习算法,在训练数据有限的情况下提升医学图像分割模型的性能。该文所提算法结合了基于委员会查询的数据选择方法,实现动态地从易到难选择样本,对模型进行训练。同时,该算法通过应用仿射传播聚类,保证了数据选择的多样性,提升了图像分割模型的性能。为了验证所提算法框架的有效性,分别在3类医学图像分割任务的5个不同数据集任务上进行了实验,实验结果表明,该文所提算法可以显著提升分割性能。在使用相同数据的训练的情况下,相比于全监督学习,使用该文算法可以得到更高的Dice评估指标、表面距离和平均交并比值。     

一种面向查询的无线传感器网络混合型数据存储算法

提出了一种面向数据查询的混合型的数据存储算法,将数据存储在合适的位置。通过分析采集、存储、查询节点之间的位置关系,存储模式可在集中存储和分布存储之间相互切换。本算法引入了"热点"保护机制,可有效均衡网络能耗。实验结果表明,该算法的能耗均衡性、节点能耗、生命周期和丢包率相比于GHT(Geographic Hash Table)算法有一定的改善。     

一种基于布隆过滤的快速冗余数据块发现算法

分析了影响FP查询速度的原因,并在此基础上提出了一种新的基于二级串联布隆过滤的冗余数据块发现算法.实验结果表明:该算法在FP查询性能及数据存储速度方面优于已有算法.     

基于混合遗传算法的关系型数据库查询优化

分析了关系型数据库的查询优化问题，针对多连接查询提出将遗传算法和爬山法结合，从而构造了关系型数据库多连接查询优化问题的混合遗传算法，并进行了实验计算．结果表明，用混合遗传算法解决多连接查询优化问题，可以发挥遗传算法和爬山法的不同优势，从而得到较满意的查询优化性能．     

3-方体的一个性质

在相关文献中,引入了α-子图的概念来探索超欧拉图的极大欧拉生成子图的边数,并且证明了2-方体在加入一条新边的情况下是一个3/5-子图.研究了3-方体,证明了3-方体在加入一条新边的情况下是一个9/13 -子图.     

3-方体的一个性质

在相关文献中,引入了α-子图的概念来探索超欧拉图的极大欧拉生成子图的边数,并且证明了2-方体在加入一条新边的情况下是一个3/5-子图．研究了3-方体,证明了3-方体在加入一条新边的情况下是一个9/13-子图.     

利用维护代价约束的物化视图选择方法

为了在一定维护代价约束条件下,使查询过程中花费的总查询成本最优化,提出了最小/最大候选集变换算法.该算法构造最大候选视图集和最小候选视图集,基于最小有效的极大基数配比技术,并通过单位维护代价内的查询收益而设计的代价计算模型来获得最佳物化视图集.理论分析和实验结果表明该算法是高效、动态、近似最优的.与以往算法相比,在数据维度大、维层次复杂的情况下,该算法有着更优的执行效率.     

传感器网络中基于过滤的概率Skyline查询算法

针对感知数据固有的不确定性问题,研究了无线传感器网络中概率Skyline查询的处理与优化技术.首先分析了概率Skyline查询的性质,证明了概率Skyline查询的不可分解性,因而无法直接利用网内计算方法求解;进而提出了无线传感器网络中基于过滤的概率Skyline查询处理算法(filter basedprobabilisticSkylinequeryprocessingalgorithminWSN,FPSP).FPSP算法将感知数据划分为候选数据、相关数据和无关数据;只需要候选数据和相关数据即可求得概率Skyline查询结果,可以在传感器节点过滤无关数据以避免大量的数据网内传输.仿真实验结果表明,FPSP算法可以有效降低传感器节点的数据传输量,极大地延长了无线传感器网络的使用寿命.     

数据方体中实视图的选择

根据0－1背包问题和方体的格模型,提出了数据方体中实现图的最优选择算法SemiWide(SElection of Materialized vlews Wlthin Data,cubE),并证明了该算法可以给出选择问题的最优解,实验表明,SemiSide的效率是较为理想的。     

能量有效的传感器网络不规则区域时空查询处理算法

为了减少不规则区域时空查询处理的能量消耗和提高查询结果准确性,该文提出了一种基于树的不规则区域时空数据收集查询算法,该算法将查询区域内的节点组织成一颗树,树中的节点依次将其感知数据发送至其父节点直至汇聚到树的根节点.针对不规则区域时空聚集查询,提出了一种基于路线的算法,该算法沿一条路线收集查询区域内节点的感知数据并对其进行聚集以生成最终的查询结果.这两种算法均通过将复杂的不规则查询区域划分为简单的凸多边形,降低了判断节点是否在查询区域内的计算复杂度,且保证仅查询区域内的节点发送感知数据,减少了能量消耗.仿真实验结果表明,该文提出的算法优于现有的针对规则区域的时空查询处理算法.     

基于OLAP查询的数据集市系统的研究

研究了通过对数据仓库视图进行水平分割来建立数据集市系统，提高OLAP查询效率的方法和技术。提出了根据OLAP查询中的选择谓词构造其最小项谓词，选择数据仓库立方体视图进行水平分割，利用视图分割后的裂片建立的数据集市来回答查询，达到减少访问的视图元组数和加快查询响应时间，从而提高OLAP查询效率，削减维护费用。     

基于维层次的压缩Cube

提出利用Cube中的维层次来创建高性能的DH_Cube(dimension hierarchy cube),在DH_Cube中存储构成Cube的所有维的所有层次粒度组成的数据单元,从而实现了在1个DH_Cube中就可以存储构成该Cube的d个维所创建的2^d个立方体视图的所有信息,从而压缩Cube存储空间,提高MOLAP查询效率,减少Cube创建时间和更新时间．     

一种基于维层次的Data Cube压缩存储方法

针对维层次的特点,提出一种利用基表元组的标识维来对Data Cube来进行压缩存储（Hierarchical Compress Storage Cube,HCSCube）的方法。在定义基表元组与Data Cube中聚集元组的导出关系后,DataCube中的一些聚集元组的聚集值可以由基表元组导出关系得到,因而可以合并保存,从而实现了Data Cube的压缩存储。理论分析和实验表明,基于维层次的压缩存储方法不仅能显著的减小Data Cube的存储空间,而且在查询效率上也有改进。     

一种数据立方高效索引机制 --CuboidTree

提出了一种高效的数据立方高效索引机制CuboidTree，利用Z-Order编码以保持同一数据小方内立方元组之间的多维空间邻近性，将数据立方查询归结构为针为其中某个特定数据小方的查询，从而将同一数据小方中的立方元组聚簇在一起以加速响应数据立方查询，对模拟数据和真实数据进行的实验表明，CuboidTree不仅可以明显地提高数据立方范围查询的性能，而且节省了存储空间，更重要的是它对数据立方查询性能的改进效果随着数据立方维数的增加而愈加明显。     

MapReduce框架下的查询结果共享

当前的大规模数据分析通常在MapReduce框架下执行查询。由于MapReduce框架本身的冗余性以及查询之间的重叠性,复用已有查询的结果可以大幅提高查询的执行效率。复用查询的结果需要对其进行存储和匹配管理,产生高昂的系统开销,抵消复用的部分效果。本文针对目前先进的查询结果复用系统ReStore在管理查询结果和匹配中存在的效率低下的问题,提出森林结构的Job存储管理技术和与之相适应的匹配算法,提高查询的匹配效率,减少系统的开销。为了使系统能够充分复用已执行查询的结果,本文提出对多个查询进行预处理的方案,通过改变各查询进入Pig编译器进行编译的顺序,从而改变Job的执行顺序,使得加载相同数据集的Job同时执行,减少与存储库进行匹配的次数。实验表明：在构建存储结构与匹配已有结果过程中,本文提出的方法与ReStore相比,节约16.3%的时间开销,伸缩性也更好。     

用多层前馈网络进行三维储层参数反演的方法

地震反演的主要任务是依据地震资料并综合利用地质、测井等资料得到地下地层的详细信息。三维地震反演需要处理庞大的地震数据体 ,同时在反演过程中既要考虑模型和测井的约束 ,又要考虑地震在横向上的连续性。将地震反演看作是地震数据到储层参数的模糊映射 ,并利用神经网络建立了这种映射关系。针对网络收敛速度慢、学习时间长等缺陷 ,提出了一种学习率自适应调整算法。该算法使每个权都有自己的学习率 ,使网络的训练速度大幅度提高。利用该方法进行地震反演 ,抛开了褶积模型的限制 ,也无须已知地震子波。外推过程是在三维空间内进行的 ,所得的储层参数数据体保持了横向上合理自然的连续性。对该数据体进行三维可视化解释 ,可以直接描述储层的空间展布。     

基于DWarf的语义压缩数据方体计算研究

提出了一个可以减少磁盘访问次数的快速Dwarf计算算法Q-Dwarf,避免了在构建Dwarf过程中,计算汇总单元时不必要关闭结点的频繁I/O磁盘访问,节省了时间.并在此结构上构建查询算法以及增量维护算法.实验证明了一系列算法的效率和有效性,尤其适合数据仓库中的高维数据集.     

VHDL综合系统HLS/BIT中永真式的判定算法

在ＥＤＡ设计工具的ＨＤＬ综合系统中，高级综合、ＲＴＬ级综合和逻辑级综合等都常常需要对逻辑函数进行永真式的判定。本文给出一种高效的永真式判定算法，该算法利用余因子、Ｓｈａｎｎｏｎ展开式和单边函数，对逻辑函数的多维体列阵进行快速有效的递归判定。该算法已经在自行研制的ＶＨＤＬ综合系统ＨＬＳ／ＢＩＴ中实际应用。     

Fast Computation of Sparse Data Cubes with Constraints

For a data cube there are always constraints between dimensions or among attributes in a dimension,such as functional dependencies.We introduce the problem that when there are functional dependencies,how to use them to speed up the computation of sparse data cubes.A new algorithm CFD (Computation by Functional Dependencies) is presented to satisfy this demand.CFD determines the order of dimensions by considering cardinalities of dimensions and functional dependencies between dimensions together,thus reduce the number of partitions for such dimensions.CFD also combines partitioning from bottom to up and aggregate computation from top to bottom to speed up the computation further.CFD can efficiently compute a data cube with hierarchies in a di-mension from the smallest granularity to the coarsest one.