无β环数据库模式研究

无β环数据库模式是无环模式分类中的一种，无β环是相对容易满足的，且具有子图的无环性，因此具有很好的实用价值。本文给出了无β环的各种定义和定理，最后讨论了无β环的基于超图和线图的几种多项式时间算法。     

用线图模型在分部式环境中识别数据库模式的四种非环性

介绍一个在分部式环境下,用线图模型识别数据库模式的四种常见非环性（即,Ａｌｐｈａ,Ｂｅｔａ,Ｇａｍｍａ,Ｂｅｒｇｅ非环性）的算法ＤＰＲＥ,并证明该算法的最坏消息复杂度为Ｏ（｜Ｅ｜）,其中｜Ｅ｜表示数据库中有公共属性的关系对之总数．     

一个约简非环数据库模式的算法

利用数据库模式与超图的对应关系，将对数据库的讨论转化为对超图的讨论，设Ｈ＝｛Ｎ，Ｅ｝是θ非环超图，ｓ是Ｎ的一个子集，给出了一个根据ｓ约简超图Ｈ的算法ＮＭＣ［Ｈ，Ｓ，ＤＣ（Ｈ）］＼算法的输出仍是θ非坏的，且ＤＣ（Ｈ）中任何一个结点都是非冗余点，并证明了算法的时间复杂度为Ｏ（｜Ｎ｜．｜Ｅ｜＾２）。     

决定非环性数据库模式的最小覆盖的算法

本文给出一个决定非环性数据库模式在某个指定的属性子集上的边最小覆盖算法，叫做ＭＣ－ＡＣＹＣＬＩＣ．该算法的时间复杂性为，其中｜Ｎ｜是给定的数据库模式中属性的个数和｜Ｅ｜是关系模式的个数．     

识别非环的数据库模式的一组分布式算法

各种非环的数据库模式有许多好的性质，特别是在分布式环境中，研究关系数据库的非环性程度是一个重要的课题，对Ａｌｐｈａ Ｂｅｔａ，Ｇａｍｍａ，Ｂｅｒｇｅ这几各非环数据库模式，我们给出一组颁式算法，该算法的最坏消息复杂度是Ｏ（／Ｎ／），而最坏时间复杂度是Ｏ（／Ｎ／＾２），／Ｎ／是给定的网络中结点的个数。     

A Clas of Distributed Recognition Algorithms for Acyclic Database Schemes

各种非环的数据库模式有许多好的性质，特别是在分布式环境中，研究关系数据库的非环性程度是一个重要的课题．对Ａｌｐｈａ，Ｂｅｔａ，Ｇａｍｍａ，Ｂｅｒｇｅ这几种非环数据库模式，我们给出一组分布式算法．该算法的最坏消息复杂度是Ｏ（｜Ｎ｜２），而最坏时间复杂度是Ｏ（｜Ｎ｜２），其中｜Ｎ｜是给定的网络中结点的个数．     

基于项目位置索引的序贯模式增量挖掘方法

通过前缀序列的引入，将搜索空间划分为若干个子空间，利用模式增量技术对序贯模式进行有效搜索，并提出了项目位置索引的概念，即将原始序列数据库信息转换到项目位置索引（IPI）中，从而在搜索序贯模式时避免了复杂的多维候选序列的测试，仅需对各前缀序列对应的扩展的项目位置索引库（IPIDBs)做简单的序列数目累加操作，将复杂的高维序贯模式搜索问题巧妙地转换为一维频繁项目的搜索，降低了算法复杂度，提高了效率。     

识别三种非环数据库模式的分布式算法

对α－，β－，Ｂ－这几种非环数据库模式，在分布式环境给出如何识别它们的算法ＤＢＦＰＲＵＮＥ。该算法最坏的消息复杂度是Ｏ（ｎ＾２＋ｍ），而最坏的时间复杂度是Ｏ（ｎ＾２），其中ｎ是网络中结点的个数，ｍ是网络上边的个数。     

数据库模式的非圈扩张

人们希望找到一个非圈数据库模式，使其与给定的数据库模式等价，基于数据库模式扩张的概念，本文给出一个求给定数据库模式的非圈扩张的算法．进一步我们得到数据库模式等价非圈扩张存在性的判定方法。     

基于数据库约简的关联规则挖掘算法

通过对Apriori算法挖掘过程进行分析，提出了一种基于数据库约简的关联规则挖掘算法．该算法利用每趟挖掘中一些非频繁项集的超集、并集，逐步约简事务数据库中的事务，提高了关联规则的挖掘效率．在这些非频繁项集的基础上建立了数据库约简的定理和推论，并在Apriori算法的基础上设计了ApioriNEW算法．经过对算法进行分析和实验，算法ApioriNEW的挖掘效率比较高．一般情况下，平均可将挖掘效率提高约30%．ApioriNEW算法特别适合大型数据库的关联规则挖掘，已应用在网络故障诊断专家系统的知识获取中．     

与或图数据库的可达算法和寻根算法

与或图数据库是利用与或图描述数据库的关系模式 ,从而建立起新的一套数据库理论。这种数据库理论采用图论作为数学基础 ,将可达算法、搜索算法和分块算法引入关系数据库 ,来解决规范化算法中关键字求解和依赖蕴涵的问题。该文提出了利用宽度搜索、深度搜索、分块搜索和启发式搜索四种搜索算法判断依赖蕴涵问题 ,以及利用生成子图的方法求解候选关键字的问题。最后进一步证明了这些算法在复杂度上比传统算法更加优越。由此可见与或图数据库的算法更加高效直观易于编程 ,还为图论和人工智能与数据库的结合提供了可能     

多时间粒度下时态模式的T3NF分解算法在Delphi中的实现

针对时态数据库中有效地进行数据库设计而提出的通过分析TFD集所具有的良好特性,给出满足时态第三范式（T3NF）的无损分解的多项式时间的算法。本文详细介绍了如何在Delphi开发环境下对此算法进行实现,并给出了与此算法相关的一些具体设计方案。     

构建自动生产线图形信息系统

从AutoCAD矢量方式的静态网络图形出发，对自动生产线网络图形中的物流源、物流线路以及物流控制设备等进行识别、处理和转换，自动生成生产线图形信息系统的图形拓扑关系数据库，再与生产线实时信息进行合成，构建自动生产线图形信息系统，实践证明，这种自动生成方法，突破了人工描述拓扑关系的复杂困难的瓶颈，效率更高、速度更快，为自动化生产线信息系统的广泛实用化奠定了基础。     

基于特征脸和神经网络的人脸表情识别方法

当前人脸检测系统主要使用的是基于主成分分析算法和神经网络技术,本文提出了识别不同特征点的另一种技术,所提出的识别系统用来实现特征提取、主成分分析和人工神经网络,即用特征脸和主成分分析算法进行人脸识别.在主成分分析算法中,通过识别初始人脸图像集得到特征向量和特征脸,然后这些人脸被投射到特征脸上以计算权重,这些权重建立人脸数据库以便通过神经网络进行人脸识别.测试结果表明,其准确率达82.1%,达到了理想效果.     

一种启发式识别被积函数算法的设计与实现

本文提出一种启发式识别被积函数结构类型算法。该算法识别速度比在符号积分系统常用的顺序识别函数的方法快三至四倍,并已在IBM-PC/XT微型机上实现。     

基于双目立体视觉的目标识别与定位

为从不同角度识别目标物体以及解决左右两幅图像中目标轮廓中心不匹配的问题, 将SURF(Speeded Up Robust Features)算法与GrabCut 算法相结合, 离线采集目标物体不同角度的图像, 生成目标模板图片库。利用SURF 算法完成目标物体的识别; 利用SURF 算法自动初始化GrabCut 算法, 实现目标轮廓的提取; 利用基于灰度相关的区域匹配算法完成目标轮廓中心点的匹配, 结合三维重建原理实现目标定位。实验结果表明, 该方法可以成功识别目标物体并对目标物体进行准确定位。