概率XML关键字检索排序算法

探讨了针对概率XML文档集中与内容相关的关键字检索结果的排序问题,针对概率XML文档的特征提出了一种新的排序模式.与仅取决于检索结果概率的检索排序算法不同,本文提出的排序算法充分考虑了节点对文档的区分程度、节点描述文档的程度,以及XML文档本身的结构特性,设计了满足以上特征的检索结果排序模型,并针对排序模型提出了新的倒排索引结构.新的排序算法可以快速完成关键字检索,并将最相关的信息提供给用户.模拟数据集实验验证了该方法的有效性.     

异构信息源集成技术

异构信息源集成技术提供统一接口,使各种基于因特网的应用能迅速、准确地提取所需信息,为用户屏蔽各种信息源的异构性.这种异构信息源的集成技术从传统的结构化的异构数据库扩大到半结构化的大量Web页面信息及无结构的信息.对集成技术的方法,如数据模型、Web信息、描述语言XML、主流软件开发技术及信息智能搜索、查询重写、查询分析等进行了分析,给出了半结构化异构信息源集成的系统架构,并指出该项技术未来发展趋势.     

基于遥感数据的岷江上游水域动态监测——以汶川县为例

以1994年的Landsat TM 影像和2002年的Landsat ETM+影像为数据源，分别采用多波段谱间关系法和阈值法相结合，以及水体指数法(MNDWI)和阈值法相结合对汶川县内的岷江干流信息进行识别，结果表明使用多波段谱间关系法和阈值法的结合效果更好，并对比分析了以此方法提取出的水体信息，对近10年的岷江水体面积变化进行动态监测，结果显示汶川县内岷江干流水域面积减少了0.8%.     

A Novel Ranking Framework for Linked Data from Relational Databases

This paper investigates the problem of ranking linked data from relational databases using a ranking framework. The core idea is to group relationships by their types, then rank the types, and finally rank the instances attached to each type. The ranking criteria for each step considers the mapping rules and heterogeneous graph structure of the data web. Tests based on a social network dataset show that the linked data ranking is effective and easier for people to understand. This approach benefits from utilizing relationships deduced from mapping rules based on table schemas and distinguishing the relationship types, which results in better ranking and visualization of the linked data.     

一种区间型不确定多属性决策的统计方法

讨论了属性值为区间值的一类不确定性多属性决策问题.将属性值转化为决策者的满意值后,结合决策者的满意值和属性自身的权重,指出现行简单加权平均以及有序加权平均方法存在的缺陷,提出了一种新的基于随机变量和统计特征的新方法.通过实例证明了该方法的有效性.     

一种区间型不确定多属性决策的统计方法

讨论了属性值为区间值的一类不确定性多属性决策问题．将属性值转化为决策者的满意值后，结合决策者的满意值和属性自身的权重，指出现行简单加权平均以及有序加权平均方法存在的缺陷，提出了一种新的基于随机变量和统计特征的新方法．通过实例证明了该方法的有效性．     

数据库模糊查询结果自动排序方法

数据库模糊查询会产生多个查询结果,因此有必要将查询结果按照用户需求进行排序.首先根据元组对模糊查询的隶属度,将查询结果中具有不同隶属度的元组分开.然后,利用PIR改进模型和历史查询记录来分析元组中被查询指定的属性值与未指定的属性值之间的关联程度,从而获得用户偏好并以此对具有相同隶属度的元组进行排序.在此基础上,提出了模糊查询下的DPR自动排序方法.实验及分析证明,提出的模糊查询结果自动排序方法能够极大地提高排序质量.     

电子商务中基于Hopfield神经网络的货源信息搜索方法

对电子商务环境下货源信息搜索问题进行了分析研究,并以Internet网络为信息源,采用信息检索和人工智能相关技术,提出了基于Hopfield神经网络的货源信息搜索方法.该方法将货源信息的特征保存在Hopfield神经网络的连接权中,根据用户输入的查询词,通过网络的运行,自动生成一组查询扩展词,利用这组查询扩展词在通用搜索引擎中进行扩展搜索,并分析排序搜索结果.此方法扩大了货源搜索范围,提高了搜索精度,为企业提供了有价值的相关货源信息.     

基于组合分类器的一个新的数据整合方法

物体的性质可以用各向异性的数据模式表达,每一个分类器可以针对一种数据模式对物体进行分类,由此提出了一个对各向异性的数据模式进行整合的概率分类算法。将该算法应用于一个模拟数据,实验结果表明了该算法是可行性的。     

数据网格环境下基于语义的处理机制

为了克服现有数据网格体系中对数据源支持的不足,提出了一种基于语义的数据网格处理机制;给出了在OGSA和OGSA-DAI数据网格体系结构上支持基于语义的数据处理系统总体结构,包括利用基于本体的语义来封装各个异质数据源;通过Mediator-Wrapper结构实现了对各种异质数据源的支持,并构建虚拟数据源VDS来支持OGSA-DAI接口标准.讨论了基于语义的数据访问机制:利用语义知识扩展XML查询语言实现语义层次的数据访问能力;设计了新型的网格通信语言支持各结点在知识层面进行合作与协调.     

Audio Retrieval Based on Manifold Ranking and Relevance Feedback

An audio information retrieval model based on Manifold Ranking(MR) is proposed, and ranking results are improved using a Relevance Feedback(RF) algorithm. Timbre components are employed as the model's main feature. To compute timbre similarity, extracting the spectrum features for each frame is necessary; the large set of frames is clustered using a Gaussian Mixture Model(GMM) and expectation maximization. The typical spectra frame from GMM is drawn as data points, and MR assigns each data point a relative ranking score, which is treated as a distance instead of as traditional similarity metrics based on pair-wise distance. Furthermore, the MR algorithm can be easily generalized by adding positive and negative examples from the RF algorithm and improves the final result. Experimental results show that the proposed approach effectively improves the ranking capabilities of existing distance functions.     

人类扰动下太湖入湖河道的稀土元素及环境指示意义

采集了接纳不同类型污染物的3条太湖入湖河道的水体、悬浮物和沉积物,分析了其中稀土元素的含量分布特征.结果表明:水体中的稀土总量,漕桥河最大,大浦河其次,梁溪河最小;悬浮物与沉积物中的稀土总量,大浦河最大,漕桥河其次,梁溪河最小.河流不同介质稀土元素标准化曲线差别明显,水体富集重稀土,悬浮物主要富集于中稀土,而沉积物主要为平坦型曲线;但标准化曲线中均有离群的曲线,沉积物中尤为明显,而且污染河道样品页岩标准化曲线不同于周边土壤和湖泊沉积物,说明太湖入湖河道的稀土元素明显地受到了人类活动物质输入的影响,而且显示了不同污染源的特点.     

基于模糊多准则决策扩展方法的分模线选择和评估研究

针对在模具设计中选择和评估分模线的问题,提出一种模糊多准则决策(MCDM)的扩展方法。首先利用语言变量表示分模线备选方案的评级和准则重要性权值;然后,基于这些语言值求出最终模糊评估值的隶属函数;最后通过一种新型的最大最小集排序方法将规范化加权评级解模糊成清晰值;并对备选方案进行优劣排序。验证和对比实验表明了方法的有效性,与传统模糊多准则决策方法的比较表明,更具有适用性。     

基于多源数据的智慧养老服务供需匹配研究

针对智慧养老服务中供需双方评价信息的表达存在不确定性和模糊性以及供需不匹配的问题,提出了一种基于多源数据的模块化双边匹配决策方法。该方法无需将信息统一,减少了信息处理损失。考虑老年群体存在需求差异的情况,利用两步聚类法对其进行分类;针对智慧养老服务评价属性异质性特点,采用概率语言术语、直觉模糊数处理定性评价信息,用精确数处理定量评价信息;通过改进离差最大化法计算属性权重;运用折衷解决方法得到双边效用满意度,构建双边匹配模型。最后通过上海市老年群体智慧养老供需匹配仿真实验对方法的可行性和合理性进行验证。结果表明,所提方法识别出了5类老年群体,可以为不同特征的老年群体匹配不同的智慧养老服务。     

异构数据源集成的实现

分析了目前数据源异构性的表现以及当前处理异构数据集成的主要方法,提出了一个基于XML技术和使用三层架构解决异构数据源集成的具体框架,并从技术层面详细阐述了实现该框架的关键技术.     

A Compositive Information Collection Platform System Based on Web Service

WeTbh ese grvoiacle oisf atnhise mteercghinnoglotgeych inso ltoog yacihnireevcee nutn iyveearrssa l.seamless communication and sharing data between differentapplications without considering platform. Based on XML,Web service introduced a novel schema to describe,registerand search service, which resolves the problemof informationisland[1 ,2]andrealizes data sharing.Onthe other hand,intheprocess of business information, due to the i mpact of stag-gered,technical and some other artist factors …     

异构数据联合式的真值发现算法

互联网上提供的同一事实的信息通常会存在冲突,影响数据集成和知识发现.为了甄别真值,提出了一种基于距离的异构数据联合真值发现算法.首先,关于同一数据项,基于数据源声明值与真值的距离,计算数据项向量;采用KMeans聚类算法,获得数据项初始聚类.然后,迭代进行信任分析和聚类,即在每个类簇内,采用最优化思想,联合异构类型数据,更新事实的可信度和数据源的类簇内可靠性,重新计算每个数据项向量,再次聚类,迭代直至类簇达到稳定.实验结果表明:由于细粒度的数据源质量划分,联合考虑异构数据类型,可以获得更高的真值发现准确度.     

SnO_2(F)、Fe_2O_3和ZnSe(Fe)薄膜厚度的测量

用RBS技术、椭偏法和微量天平称重法测量了掺氟SnO_2(FTO)透明导电膜、掺铁ZnSe磁性半导体膜和Fe_2O_3气敏元件膜的薄膜厚度.实验结果表明,RBS技术的测量数值与椭偏法以及微量天平称重法测得的结果符合得较好。     

基于遥感影像的郑州市建筑用地信息提取

以郑州市landsat ETM影像为数据源,进行建筑用地信息提取。首先,提取出归一化植被指数（NDVI）和归一化建筑指数（NDBI）影像,然后分别对所得的指数影像进行二值化,获得二值化图像,再利用叠加分析的方法对两幅指数图像进行逻辑判别,从而提取出建筑用地信息,再进行精度验证。结果表明,利用NDBI和NDVI相结合的方法弥补了单一利用归一化建筑指数的不足,同时人为干扰因素较少,是一种比较客观、准确、快捷的城市建筑用地信息提取方法。     

Truth Discovery on Inconsistent Relational Data

In this era of big data, data are often collected from multiple sources that have different reliabilities, and there is inevitable conflict with respect to the various information obtained when it relates to the the same object.One important task is to identify the most trustworthy value out of all the conflicting claims, and this is known as truth discovery. Existing truth discovery methods simultaneously identify the most trustworthy information and source reliability degrees and are based on the idea that more reliable sources often provide more trustworthy information,and vice versa. However, there are often semantic constrains defined upon relational database, which can be violated by a single data source. To remove violations, an important task is to repair data to satisfy the constrains,and this is known as data cleaning. The two problems above may coexist, but considering them together can provide some benefits, and to the authors knowledge, this has not yet been the focus of any research. In this paper, therefore, a schema-decomposing based method is proposed to simultaneously discover the truth and to clean the data, with the aim of improving accuracy. Experimental results using real world data sets of notebooks and mobile phones, as well as simulated data sets, demonstrate the effectiveness and efficiency of our proposed method.