一种网络日志挖掘的高效算法

提出了一种网络日志挖掘算法PWU,其采用了异构树结构。通过对异构树叶子节点进行编号,使得对候选集计数时只需对具有相同编号的叶子节点进行计数,极大地简化了候选集计数过程。在此基础上,算法还具有增量挖掘功能。最后,从理论分析和实验两方面证明了算法的高效性以及增量挖掘功能的高效性和完备性。     

非Cramer指数矩条件下平稳独立增量过程的中偏差

在非Ｇｒａｍｅｒ指数可积性的条件下，使用比较定理证明了有限维分布的中偏差成立，从而再由指数胎紧性得到平稳独立增量过程在一致收敛拓扑下的中偏差。     

一种支持状态优劣的路径搜索算法

文章描述一种支持状态优劣的高效增量搜索算法。在大规模状态空间的搜索算法中,通过探询节点间状态的优劣来剪枝,可以极大的提高搜索算法的速度。本算法保留了D*Lite的算法简单性和增量搜索能力,还极大的提高了对大规模状态空间的优劣排序速度。     

使用多样性增量预测磷酸化位点

磷酸化是蛋白质最重要的翻译后修饰之一.应用基于多样性增量的二次判别分析 (Increment of Diversity with Quadratic Discriminant analysis,IDQD)方法对CK2,PKA和PKC三种类型磷酸化位点进行预测,k-fold交叉检验的正确率分别为86%,90%和85%,独立测试集检验的正确率分别为86%,88%和84%.所得结果高于包括支持向量机在内的现有预测方法.     

频繁闭项目集更新算法

挖掘频繁闭项目集是数据挖掘领域中的一个重要研究方向,人们已提出了许多用于高效地发现大规模数据库中频繁闭项目集的算法,但对其更新维护问题的研究却比较少.在分析了频繁闭项目集更新算法关键技术的基础上,提出一种快速的增量式频繁闭项目集更新算法FUFCIA(fastupdating frquent closed itemsets algorithm),该算法将充分利用先前挖掘过程中所产生的信息来节省发现新的频繁闭项目集的时间开销,降低了候选频繁闭项目集的规模,减少了扫描数据库的次数.最后对该算法进行分析和讨论,并进行试验验证,试验结果表明算法FUFCIA是有效的.     

可设置任意增量循环累加器的设计及应用

本文通过对可设置任意增量循环累加器电路的设计,介绍了其在方波DDS中的典型应用,并与标准DDS进行比较给出了它的特点。     

OceanBase分布式存储引擎

OceanBase是一个分布式关系型数据库,其目的是存储海量的高速增长的结构化数据,以廉价的服务器集群实现高可用、高可扩展、高性价比的服务.OceanBase采用内外存混合存储的模式,使用内存存储增量(新写入)数据,而使用外存存储基线(只读)数据,并将基线数据划分成大致等量的数据分片并采用分布式B+tree的形式将分片存放在很多的数据服务器上,利用定时合并机制不断将增量数据与基线数据融合.本文介绍OceanBase基线数据存储的基本结构和分布方式、定时合并机制,以及基线数据在OceanBase中的具体存储格式的设计和实现.     

有限加权和型维纳过程增量的探讨

作者是对有限加权和类型的Wiener过程增量有多大的问题进行了探讨,并得出了关于区间[0,T],在长度为的子区间上增量问题的一些重要结果,此结论是Csórgó.M和Révész.P两人关于Wiener过程增量有多大问题的经典结论的推广.     

贝叶斯分类器集成的增量学习方法

针对基于决策树和神经网络的增量学习算法的过量匹配和分类精度有限的缺点,提出了一种基于贝叶斯分类器集成的增量学习方法.综合朴素贝叶斯的增量分类和集成的增量学习方法,采用随机属性选择训练初始SBC(simple Bayesian classifiers),通过判断是否带有类别标签,将增量样本自动分组,并利用遗传算法对结果进行优化.实验结果表明,贝叶斯分类器集成的增量学习方法有效.     

自洽聚类法识别大肠杆菌SD序列

用自洽聚类方法判定大肠杆菌蛋白质编码基因SD序列强弱,给出构成强SD序列的17种碱基关联模式.将全部SD序列按作用强弱不同分为三类:强、中、弱,发现强弱不同时最偏好模式不同,如GGAGG是弱SD序列的最偏好模式,AAGGA是强SD序列的最偏好模式.同一模式距起始密码子的距离不同时,所起的调控作用也不同,如GGAG模式中的A在强SD序列中位于-8位点,在弱SD序列中位于-7和-9位点.平均来说,各SD序列的-9位点上碱基G出现的概率最大.结果还表明SD序列越强,基因的表达水平越高,SD序列越弱,基因表达水平越低.SD序列与anti-SD序列的配对程度和相对位置影响起始密码子的识别和翻译效率.