一种新颖的编辑距离限制下的相似性确认算法

针对相似性确认步骤中编辑距离计算的高复杂性问题，提出了一种在编辑距离限制下的基于鸽笼原理的字符串相似性确认算法.首先找到满足编辑距离片段映射的片段，以此片段为基准，将长度为500bp的read分段.然后对满足编辑距离片段映射的左右部分递归地进行编辑距离计算，将各段得到的编辑距离相加即为最后结果.最后根据最长公共子串的下限将需要验证的片段数目降到最低，得到优化方案.实验结果表明，基于鸽笼原理的分段递归计算编辑距离的确认算法减少了验证步骤的时间，并能保证假阳率和假阴率都为零.     

基于中心差异度迭代调整机制的 网络社区搜寻算法研究

为解决当前网络社区搜寻算法存在的节点聚类形成困难,搜寻迭代过于复杂,难以实现社区归属的二次更新等不足,提出了一种基于中心差异度迭代调整机制的网络社区搜寻算法。首先,通过领袖节点重叠度来实现初次社区搜寻裁决,有效降低了重复搜寻的概率,且根据加入节点与领袖节点差异度进行聚类匹配;随后,通过待加入节点与领袖节点之间的交互热度方式进行基于热度机制的聚类递归,实现对搜寻误差的二次校正。仿真实验表明,与当前网络社区搜寻算法中常用的差分迭代阈值裁决机制,混沌度一体化成型迭代机制相比,本文算法具有更高的首次成功率,以及更小的搜寻次数与迭代周期,具有很强的实际部署价值。     

Spark框架下交通流数据高效处理方法及其应用

设计并实现基于Spark的交通流数据处理与预测分析应用框架, 可以完成交通流数据的高效清洗、统计、存储和查询。利用基于多阶空间权重矩阵的STARIMA模型进行交通流预测分析, 可以验证数据处理效率及对预测应用的支撑作用。对比实验结果表明: 1) 交通流数据处理框架运行效率高, 适用于复杂的数据清洗和挖掘算法, 为预测模型建立数据支撑; 2) 交通流预测模型对空间权重矩阵进行了多阶优化, 兼顾高效性和准确性, 预测分析结果可以为交通诱导提供参考。     

电商推荐系统中查询优化研究

分析了电商推荐系统实现过程中的瓶颈问题,对比目前经常采用的查询优化技术,通过结合SSM+Duboox框架,尝试采用数据缓存、分面查询和Solr搜素等方法来进行查询优化,提升查询速度;对电商推荐系统进行业务逻辑分析,设计出三级商品分类列表查询功能,方便用户查询,提高了推荐的精准度.     

基于ArcGIS Engine的高校文化旅游系统的设计与开发

作为城市旅游和文化旅游的重要组成部分,高校旅游正逐步进入更多人的生活.以ArcGIS Engine为平台,Visual Studio2010为开发工具,以哈尔滨师范大学为例,设计开发高校文化旅游系统,旨在实现实时路线规划并为游客快速提供校园信息.同时突出校园文化特色,让旅客快速、清晰、直观地了解校园信息.     

面向医疗区块链的新型轻节点数据查询方法

医疗区块链系统的用户向全节点请求数据时可能被欺骗，而简单支付验证等轻节点数据查询方法面临着存储困难。为解决这些问题，提出了一种面向医疗区块链的新型轻节点数据查询方法。引入具有动态追加能力的Merkle山脉（Merkle mountain range,MMR），设计基于推荐的可信节点选择和基于采样的可信节点验证的最新有效块获取算法，采取MMR和Merkle树的承诺机制，使得持有一个最新有效块的轻节点用户能够验证全节点发送的医疗数据。此外，还将该方法扩展应用于联盟链。分析和实验表明，所提方法的时间开销和空间开销均在较低的范围内。     

基于LBS的连续查询位置隐私保护模型的动态规划算法

针对现有的算法大多都是静态位置隐私保护的,如果将静态算法应用于动态的连续查询中,会导致位置隐私泄露,提出了一种基于连续查询的动态规划改进算法,旨在保护用户的位置隐私,仿真实验结果证明:该算法在匿名处理时间、匿名成功率和轨迹扭曲度等方面优于现有算法.     

面向探索式搜索过程的查询推荐

查询推荐是一种提高用户搜索效率的重要工具,但是传统的推荐方法对于探索式搜索的推荐效果不好.针对此问题提出了一种新的面向探索式搜索过程的查询推荐方法,即根据用户搜索的行为模式,通过试探性查询重构和确认性查询重构两个过程,对探索式搜索过程进行建模,并根据影响探索式搜索过程的三种因素提出了一种排序算法,将确认性子查询中的查询推荐给用户.通过与传统推荐方法的对比实验验证了本模型及其推荐方法的有效性.     

一种基于查询加权的用户建模方法

通过分析用户的查询日志,模拟用户与搜索引擎之间的交互过程,提出一种基于查询加权的用户建模方法。首先,对查询日志进行会话分割;然后,利用会话中用户查询出现的次数、持续时间及所点击的URL排名等行为信息,计算查询权重;最后,采用兴趣投票的方式,完成用户模型的构建。在AOL(美国在线)查询日志数据集上的测试结果表明,基于查询加权的用户建模方法在用户兴趣预测上取得较好的效果。