一类赋权无标度网络的动态性质研究

针对经典的BA模型设计上的缺陷, 建立了一类新的赋权无标度网络的嵌入-删除-补偿模型,其机制不仅包含了新节点与旧节点之间的连接,部分节点因受攻击而失效,还考虑到旧节点之间的链路的补偿与加强,其概率与该节点最近周期内得到的补偿成正比.用平均场方法分析其强度分布特征,并得出该模型的强度符合幂率分布.     

最大权匹配问题的闭环DNA算法

给出并证明了在DNA计算中处理实数问题的策略,即首先在误差限范围内用有理数集合代替实数集合;再取出与有理数集合一一对应的最小的整数集合.针对赋权匹配问题,给出了基于闭环DNA计算模型的赋权匹配问题算法.该算法首先按边进行三组编码并合成初始闭环DNA;再以相邻两条边为约束条件用删除实验获得所有匹配,并用电泳实验得到所有最大权匹配,最后用检测实验输出最优解.证明了算法的正确性,讨论了算法复杂度,并以一个例子说明了算法的有效性.     

Stein岭型主成分估计下多个数据删除模型的强影响分析

基于Stein岭型主成分估计下研究多个数据删除模型,探讨数据删除模型估计量的有关性质,并给出了多个数据删除模型的CRi统计量、APi统计量、Di统计量的新表达式.     

修正LIU估计下数据删除模型的强影响分析

在修正LIU估计下对单个数据删除模型进行研究,讨论数据删除模型估计量的性质,得到修正LIU估计β赞MLE(i)与LIU估计β赞LE间的关系,以及预测估计y赞i可由β赞MLE与yi线性表出等性质;同时,本文在前人的基础上推导得到CRi统计量和Cook统计量新的表达形式,并在实例中用Cook距离来识别强影响点,验证其合理性.     

广义λ-归结中的删除策略

本文在广义λ-归结方法中引进删除策略,讨论了λ-蕴涵的若干性质,并证明:以λ-蕴涵为基础的删除策略不破坏广义λ-归结方法的完备性.     

数据库系统冗余数据的查找和删除

分析了目前对于冗余数据的常用处理方法，并给出了基于SQL的解决数据库冗余数据方案。     

基于节点删除指标的关键字提取策略

在分析现有关键字提取算法的基础上,提出了一个基于词语网络的英文文档关键字提取算法,采用节点删除指标度量节点(词语)重要性.所提取的关键字不仅包括高频单词和短语,而且包括文档中的重要但出现频率不高的单词和短语.对比实验结果证明了该算法的有效性.     

一种基于云存储系统的自适应数据碎片恢复优化方法

针对基于重删后云存储系统中数据碎片引起恢复性能降低的问题,采用自适应碎片分组设计了一个云存储系统中重删后优化数据恢复的处理方法.该方法不使用固定大小的读窗口,根据数据块地址关联性分成可变大小的逻辑组,旨在选择有限数量的容器,为备份提供更多不同的引用块,减少所选容器中重复或未引用块的数量,减少磁盘访问,以精确识别和删除碎片数据,提升数据恢复性能以及重删率.实验结果表明,该方法在提高恢复性能的同时减少重写数据量.      

浅谈数据恢复在日常办公中的应用研究

随着计算机技术的发展,同时容量大、价格便宜的硬盘日益成为人们存储数据的主要设备。然而由于种种原因,日常办公的硬盘数据经常被损坏,这也给工作人员和单位带来很大的损失。因此,数据恢复技术日渐走进了日常办公,数据损坏后的数据恢复显得非常重要,是当前各行各业信息化关注的热点问题。     

Concise representations for association rules in multi-level datasets

Association rule mining plays an important role in knowledge and information discovery. Often for a dataset, a huge number of rules can be extracted, but many of them are redundant, especially in the case of multi-level datasets. Mining non-redundant rules is a promising approach to solve this problem. However, existing work (Pasquier et al. 2005, Xu & Li 2007) is only focused on single level datasets. In this paper, we firstly present a definition for redundancy and a concise representation called Reliable basis for representing non-redundant association rules, then we propose an extension to the previous work that can remove hierarchically redundant rules from multi-level datasets. We also show that the resulting concise representation of non-redundant association rules is lossless since all association rules can be derived from the representation. Experiments show that our extension can effectively generate multilevel non-redundant rules.