一种基于颜色直方图的快速图像检索方法

提出了一种基于快速特征匹配和改进的二叉树存储的图像检索方法,该方法的主要思想是以颜色特征的某个适当值作为根节点,将图像按照二叉树的存储结构存储于数据库中。在特征匹配时通过快速去除不相关候选图像来提高检索速度;通过引入相关反馈技术来改进查询结果的精度。相比于传统的图像检索方法,该方法不但能加快检索速度,在查全率和查准率上也有了较大的提高。     

基于路网的连续K最近邻查询

连续K最近邻(CKNN)查询是最近邻查询的扩展,可广泛地应用于地理信息系统、城市规划、智能交通等领域.CKNN查询搜索某一路径上所有点的K个最近的感兴趣对象.本文研究基于交通路网的连续K最近邻查询问题,不同于传统的基于欧式空间的CKNN查询,基于路网的CKNN查询中对象间的距离度量不再是欧式距离,而是基于路网的最短可达距离.显然,传统的基于欧式距离的CKNN查询算法并不能直接应用于基于路网的CKNN查询问题.本文提出了一种基于路网的高效的CKNN查询算法-IIE算法,广泛实验表明本文提出的IIE算法优于传统的IE算法.     

一种分布式实时内存数据库的系统故障恢复模式

提出了一种适合分布式实时内存数据库的、基于日志的故障恢复模式.在该恢复模式中,日志记录被存储在非易失高速存储设备中,非易失日志存储区依据事务类型被分成四个不同的日志分区,不同类型事务的日志被存储在不同的日志分区;采用了执行频率动态可调的模糊检验点模式,在检验点执行过程中,一些无用的日志记录被删除;故障发生后,系统重启、恢复时,分区重装策略被采用;恢复算法结合相关恢复协议,确保了全局事务故障的原子性.实验显示,该故障恢复模式明显地改进了系统性能,提高了实时事务满足截止期的比率.     

基于压缩激励网络的注意力因子分解机的点击率预测模型

在互联网技术日趋成熟的今天,广告的点击率(click-through rate, CTR)预测得到越来越多的关注。在特定的商业环境下,广告CTR预测模型的改进可以带来巨大的经济效益。然而特征的多样性和复杂性使得传统的预测模型难以发现海量特征中的重要特征。针对上述问题,提出了基于压缩激励网络的注意力因子分解机的点击率预测模型(squeeze and excitation network based attentional factorization machines model for click-through rate prediction, SEAFM),SEAFM模型通过压缩和激励网络来动态学习特征的重要性,通过注意力网络来学习特征交互的权重,通过深度神经网络(deep neural network, DNN)模块来隐式建模高阶特征交互。实验结果显示,SEAFM模型比现有相关模型具有更好的性能。     

一种基于迁移学习的学习资源推荐方法

移动互联网技术的飞速发展和智能终端设备的广泛普及为支持泛在学习(U-Learning)提供了可能.泛在学习是一种随时随地都能发生的在线学习.当前,互联网涌现了一大批可供学习的平台和资源,类似平台包括网易云课堂、Coursera、知乎网、简书网等.手动检索和个性化推荐是在线学习系统提供给用户获取学习资源的常用方式.个性化推荐因其能主动建模学习者偏好,为学习者提供个性化的学习资源推荐服务而受到了广泛关注并成为在线学习领域的研究热点.本文在传统协同过滤个性化推荐系统的基础上提出一种基于迁移学习的学习资源的推荐方法,该方法从已有的数据中学习知识,然后迁移到目标任务中,解决了目标任务中数据过少从而导致学习特征的能力不足的问题.     

云环境下基于衰减因子网格的Skyline查询

为了解决云环境下对于海量数据的Skyline查询,提出了在Map-Reduce框架下基于衰减因子网格Skyline查询(SQBDFG)算法,该算法通过衰减式的网格进行区域划分,利用网格间的统治关系进行快速过滤,达到减少传输开销的目的,并针对网格的衰减速度会影响实际查询性能进行进一步优化.首先提出网格的最大剪枝空间和最大剪枝效率两个概念,然后从理论上证明了采用衰减式网格在处理海量数据的Skyline查询时在这两方面具有明显的优势.最后通过Hadoop分布式集群上的大量实验,在Skyline查询时间和数据I/O开销两个方面进行对比,证明了提出的SQBDFG算法具有良好的有效性和实用性.     

基于自适应蚁群的实时Web服务组合算法

针对实时环境中可靠的传输问题,要考虑数据传输路径上的时间消耗,但是又要考虑服务组合结果的可靠性,提出了适应于Web服务的改进蚁群算法,该算法适合在复杂的服务路径中寻找稳定性高的最优路径,使服务组合的结果快速地向着高稳定的方向进行.     

一种基于Hadoop的并行关联规则算法

在挖掘大型数据库的关联规则时,使用并行计算是必需的.针对传统的并行计算,存在不能处理节点失效,难以处理负载均衡等问题,提出基于Hadoop架构实现并行关联规则计算的设计.理论和实验证明,基于Hadoop的并行关联规则计算,能处理节点失效,并且能做到节点负载均衡.     

一种基于模糊理论的移动代理域初始化策略

移动代理的安全是目前一大难题,学术界提出加密、身份认证、划分域等方法,但是这些方法的应用使得移动代理在执行任务时耗费大量时间,且存在安全问题.针对上述两个问题,本文使用模糊综合评判法对移动代理服务器各个属性进行综合评判,得出服务器的信誉值.该信誉值比现有域划分方法得出的结果更加精确,从而更精确地完成移动代理服务器域的初始化.经实验证明:本文提出的方法较现有的域初始化方法,可以缩短移动代理执行任务的时间,同时也提高了移动代理的安全性.     

支持工程设计的语义层次事务模型及提交机制

由于工程设计任务具有长期性、合作性、试探性和分布式性等特点,传统的事务模型和提交机制已经不能很好地满足工程设计任务的需要.针对工程设计任务的特点,提出了一种语义层次事务模型(SHTM),SHTM采用了树形层次结构,并集成了事务的语义特征. 同时,SHTM通过允许未提交事务借出它们持有的数据资源,放宽了事务的隔离性.在此基础上,进一步提出了能确保一致性数据操作的双层提交机制(DTCM).DTCM综合事务的语义特征,很好地解决了放宽隔离性可能导致的不一致性情形.