现实生活向艺术文本的生成--美学源构关系的发生及运动

艺术与现实的关系是文艺美学的基本问题。就艺术创作来说 ,艺术源于现实、贴近生活的特点决定了艺术文本的生成离不开现实生活 ,但这一过程绝非传统的再现 /表现理论那样简单。在当代文化视野和理论背景上 ,揭示艺术与现实之间源构关系的真实存在 ,将有利于避免固有的美学观念和方法所造成的在艺术的本体及创作等理解上的偏差。     

一种文本讨论线索的自动获取方法

介绍了一种基于知识库的方式获取文本中讨论线索的方法.该方法根据文本出现的控制词与概念网中各个概念的关联,找出文本以及文本中各个段落的主题概念,并通过对概念网中的概念进行关系计算,获取文本的讨论线索,较好地避免了因文本叙述方式的不同以及指代的存在而带来的影响.实验结果显示,该方法对文本主题识别的准确率达82%,对段落主题识别的准确率达70%.     

基于事务线索树的一次扫描关联规则增量挖掘算法

首先将事务数据库压缩存储到一棵事务线索树(TT-tree)的结点上，并建立这些结点的索引表，然后寻找结点索引表的最后结点到根结点的全部路径，这些路径及路径的交集包含了用于挖掘关联规则的频繁集，该算法只需扫描事务数据库一次，由于采用了逆向搜索TT-tree的方法,搜索的时间开销非常少，该算法可以挖掘中短模式的海量数据，具有很好的伸缩性,同时该算法具有增量挖掘的功能，通过大量的实验数据进行比较。该算法的速度约是Apriori算法的10倍。     

沈从文:精神家园的守望者--试论《边城》的艺术美

《边城》是中国现代作家沈从文的著名的代表作，与其它小说不同的是，作者用散文式的笔调。描绘了湘西小城如诗如画的自然风光、宁静和谐的风土人情，展现给读者一个充满艺术美感的“善”的天地，赞美了湘西人民淳朴自然的人性美，留给后人一片永恒的“精神家园”。     

一种基于压缩的全文本数据库倒排索引方法

文本信息数量的飞速增长给传统的信息检索技术带来了新的挑战。在目前有关信息检索技术的研究中,全文本数据库上的索引压缩技术是一项新的研究领域。这种技术能够使得查找文本具有更快的速度,并且能够节省磁盘空间,所以该技术具有较高的理论研究意义和良好的应用前景。提出了一个基于数据压缩的全文本数据库倒排索引结构,并在此结构上设计出了一些查找算法来获得更好的查找性。     

作为一种小说类型的家族小说(中)

家族小说是一种有特殊规范的小说类型,它的题材内容具有特指性,常描写一个或几个家族的生活及家族成员间的关系;所叙故事,具有相当的时间跨度;其形式主要是长篇小说;叙事模式,有叙写家族由有序-无序-衰败的主流模式和叙写家族的"兴旺"史的非主流模式;情节母题主要包括"家族与性"两个方面;人物形象主要包括作为家族支柱的男性形象与作为家族附庸的女性形象.家族小说往往蕴涵了伦理文化、制度文化、风俗文化的内容和特征.     

一种基于自组织分级聚类的数据挖掘方法

针对传统自组织聚类方法处理数据在多维空间中存在多样性和从基本或低层次概念上发现强关联规则中的不足，提出了一种基于自组织分级聚类的数据挖掘方法．该方法采用最大似然分类自组织特征网络（MAXNET）聚类过程，利用自下而上聚合层次聚类方法，对有畸变的二值化输入模式作最大似然分类．最后对一个销售电脑商场中，与任务相关的交易数据集进行了分析，描述了从低层次概念到高层次概念的相互关系．并用matlab仿真软件把该方法和传统方法进行比较，表明了该方法的有效性．     

基于复合主题演化模型的作者研究兴趣动态发现

以金融领域的科技文献作为实验数据,提出了一种新的用于动态挖掘领域相关的作者研究兴趣的复合主题演化模型。该模型能够获取作者在不同时间片下的主题概率分布以及主题下词汇概率分布,并充分考虑作者在合作作者文献中的排名对于其研究主题和主题变化的影响。通过金融领域的实证研究表明,该复合主题演化模型能够有效地揭示金融领域作者研究兴趣的动态变化。     

笔画背景抑制的自然场景文本检测

针对复杂背景中过多的边缘信息与噪声干扰引起笔画宽度检测不准确的问题,提出了一种结合纹理背景抑制的笔画宽度变换文本检测方法.采用Butterworth高通并结合文本纹理特征,实现了在抑制背景的同时有效保留文本区域的信息.通过结合利用加权引导滤波的图像增强技术降低噪声对边缘检测的干扰,使得文本图像的笔画宽度与边缘梯度信息的提取更为准确,从而有效提升了笔画宽度变换文本检测的性能.基于ICDAR数据库的实验结果也验证了该方法的有效性.     

基于MapReduce的频繁模式挖掘算法的优化

分布式数据挖掘计算是大数据研究中非常重要的技术,现有的对频繁模式的分布式挖掘方法在处理大量数据集时仍然存在许多局限,如并行Apriori算法在多次扫描数据库过程中对I/O产生很大负担,并且有大量候选集产生.本文使用的FP-growth算法包括Fp-tree构建和频繁模式挖掘两个阶段.主要思想是在map阶段构建FP-tree之前,根据步长值及项目元素编码对FP-tree节点合并,并在shuffle阶段依据平衡算法划分给不同的reducer.平衡算法用来均衡工作负载.利用该算法来降低数据分配的随机性,避免数据挖掘阶段由于数据划分不均衡导致部分reducer开销过大的缺点.实验结果表明:与现有方法相比,在较大数据集情况下改进后的算法具有更好地运算效率和可伸缩性.