中间件的由来、现状及我们的机遇

中间件是软件技术发展的一种潮流,被誉为发展最快的软件品种。本文概述了中间件技术的概念、分类和产生的原因,并对当今常用的中问件产品从性能上作了比较。

日趋重要的信息价值完整性

本文介绍了信息完整性的概念 ,结合信息系统模型详细地阐述了信息完整性的内涵 。

基于Solr的体育视频信息全文搜索研究

为解决体育网络视频搜索问题,提出一种基于Solr技术的体育视频信息全文搜索系统。收集和处理原始体育视频信息,使用Solr建立索引进行搜索,对搜索结果进行处理和呈现,给出应用系统的系统架构,介绍原始数据信息收集、Solr全文搜索服务、搜索结果预处理的过程。实验结果表明,该系统的命中率和正确率较高,当采用多类聚集方法时搜索效果更优。

棉纺故障诊断专家系统

在专家系统的研制与开发过程中,对于知识表示及获取方法的研究占有重要地位。本文提出一种新的知识表示方法一扩展模糊Petri网.运用该表示方法能较确切地处理棉纺领域中一些具有模糊性质的专家知识.我们在EFPN的基础上建立了相应的模糊推理规则并给出了推理算法,构造了一个棉纺故障诊断条干不匀专家系统.

织物组织CAD的计算理论

本文论述了在创建织物组织 CAD 系统中涉及的有关数学模型的抽象表述问题,以及教学计算的理论背景。着重从理论上揭示穿综图、纹板图与组织图三者之间的关系,并给出了相应的两个算法。

宝钢三期热轧生产管理系统的设计与实现

Oracle7客户/服务器数据库平台以其良好的性能与完备的功能,迅速地在信息处理市场中得到广泛的应用。这里简单介绍了基于Oracle7平台上运用软件工程规范与数据库设计理论,怎样设计与实现宝钢三期工程热轧生产管理系统的经验和体会。

Foxpro在证券业中的应用

近年来,上海证券业计算机应用的发展速度极快。众多的证券商使用最多、应用最广、最离不开的则是网络与数据库技术。然而除上海证交所(使用Unify数据库)外,其余各证券商,无论上海或外地,均使用Novell网加Foxpro或Foxbase技术。迄今为止,在上海的证券业中FoxPro数据库仍占有主导地位。中国纺织大学计算机系与上海申银证券公司国际业务部联合开发了一套远程证券服务系统,该系统是典型的NoVell网加FoxPro数据库技术。

基于刻面描述的构件查询匹配模型及算法研究

在软件复用研究不断深入的情况下 ,软件构件库的管理研究得到了产业界与学术界越来越多的重视 作为构件库管理的两个核心技术 ,构件的表示与检索技术已经成为研究热点 ,其中基于刻面描述的构件相关应用得到了广泛研究 ,针对构件查询的特点 ,结合模式分析中的树匹配思想 ,提出了新颖的构件树路径包含匹配模型及其相应的构件查询匹配算法 ,该算法可以在保持构件查准率的前提下 ,有效提高构件的查全率 ,算法的时间复杂度和空间复杂度是线性的 。

面向热点话题时间序列的有效聚类算法研究

聚类热度时间序列是揭示和建模网络热点话题形成与发展的重要过程.Leskovec等人在2010年提出面向话题时间序列的K_SC聚类算法,其精确度较高且能较好地刻画话题内在发展趋势特征.但K_SC算法具有对初始类矩阵中心高度敏感、高时间复杂度等特性,使其难以在实际高维大数据集上应用.文中结合小波变换技术,提出一个新的迭代式聚类算法WKSC,主要提出两个创新:(1)用Haar小波变换将原始时间序列进行压缩,降低原始时间序列的维度,从而降低了算法的时间复杂度;(2)在Haar反小波变换中,将低维聚类返回得到的矩阵中心作为高维聚类的初始矩阵中心,在迭代聚类过程中优化了对初始矩阵中心高敏感性的问题,提高了聚类的效果.文中分别采用国内外3个数据集作为测试样本,进行了大量的实验.实验结果表明WKSC算法能显著降低聚类的时间复杂度,同时改进聚类效果.WKSC算法可很好的应用于大量高维热点话题的模式分析.

一种面向临床领域时序知识图谱的链接预测模型

知识图谱(knowledge graph)链接预测可以解决知识图谱中缺失信息的发现和还原,是目前知识图谱领域的研究热点.传统的知识图谱链接预测方法大多面向静态的数据,并不适用于具有动态变化特性的时序知识图谱.时序知识图谱广泛存在于不同领域中,以临床医学领域为例,糖尿病作为一种典型的慢性病,其病程是一个疾病缓慢发展演化的过程.因此,在临床医学时序知识图谱上进行临床意义的链接预测,比如预测糖尿病的并发症,则需要考虑糖尿病病程发展随时间变化的时序特性,这也为传统的知识图谱链接预测方法带来巨大挑战.为此,结合临床医学事实知识的时序特性,提出一种基于LSTM序列增量学习的临床领域时序知识图谱链接预测模型.该模型结合LSTM长短期记忆单元递归神经网络在序列学习上的优势,通过构建基于LSTM的序列增量学习层,以端到端的方式提取时序知识图谱中的三元组时序特征,从而实现对时序知识图谱的链接预测.通过在糖尿病时序知识图谱上的实验,验证了模型的高效性、可用性及稳定性.

基于轨迹点局部异常度的异常点检测算法

随着大量的定位数据被收集在应用服务器,如何从大量定位轨迹数据挖掘异常信息已逐渐成为一个令人关注的研究课题.针对当前流行的、以轨迹片段表示局部特征的异常点检测算法存在的问题,文中提出了以轨迹点表示局部特征的异常点检测算法TraLOD.该算法不仅提出了将每个轨迹点赋予一个0~1的值来表示其局部异常程度,而且还引入了相对距离来计算轨迹片段之间的不匹配性.此外,针对数据挖掘算法效率低的缺点,TraLOD引入了R-Tree和距离特征矩阵来提高算法效率.性能分析和实验都证明了TraLOD的有效性.

基于R-Tree的高效异常轨迹检测算法

提出了异常轨迹检测算法,通过检测轨迹的局部异常程度来判断两条轨迹是否全局匹配,进而检测异常轨迹.算法要点如下:(1)为了有效地表示轨迹的局部特征,以k个连续轨迹点作为基本比较单元,提出一种计算两个基本比较单元间不匹配程度的距离函数,并在此基础上定义了局部匹配、全局匹配和异常轨迹的概念;(2)针对异常轨迹检测算法普遍存在计算代价高的不足,提出了一种基于R-Tree的异常轨迹检测算法,其优势在于利用R-Tree和轨迹间的距离特征矩阵找出所有可能匹配的基本比较单元对,然后再通过计算距离确定其是否局部匹配,从而消除大量不必要的距离计算.实验结果表明,该算法不仅具有很好的效率,而且检测出来的异常轨迹也具有实际意义.

外包数据库系统安全机制研究

在外包数据库系统模式下,组织将数据库业务外包给外部数据库服务器运行,外包服务提供者为数据拥有者及数据库用户提供远程的数据库创建、存储、更新与查询服务。由于外包服务器本身并非完全可信,外包数据库系统带来了一系列安全问题。本文讨论了数据库安全体系的分类,探讨了外包数据库的基本结构,综述了外包数据库在数据加密、密文查询策略、隐私保护、数据完整性验证及基于数据库水印技术的数据库版权保护等安全机制方面的研究现状,介绍了其研究进展,并展望了安全外包数据库系统的发展方向。研究认为,整合多种安全机制,兼顾安全性和可用性两方面的合理需求,是构建外包数据库系统的技术关键。

列存储数据区级压缩模式与压缩策略选择方法

压缩技术是列存储数据管理的重要研究内容之一.目前多数方法对同一列数据使用单一压缩方法进行压缩,忽略了数据的局部分布特性,极大地影响了压缩性能.该文提出一种区级压缩模式,并在此模式下提出基于学习的压缩策略选择方法.首先该文将数据列进一步划分为区,并分别定义相邻区信息与区所在列的统计信息为参照信息,进而通过学习参照信息与当前区之间的相似性和差异性进行策略推荐.最后该文对区进行局部学习从而对推荐压缩策略进行修正,保证压缩策略的有效性.在数据仓库基准数据集SSB上的实验结果验证了该文方法的有效性.

数据库加密与密文数据查询技术综述

数据库加密是对敏感数据进行安全保护的有效手段.归纳了数据库加密系统的应用需求,综述了数据库加密的实现机制、加密粒度、加密算法及密钥管理,分析了密文数据库的索引机制与查询策略,讨论了数据库加密的局限性,并展望了数据库加密与密文数据查询技术的发展方向.

基于XML的异构数据源——XQuery查询

XML已成为事实上的数据表示和数据交换的标准 ,用XML表示的半结构化数据越来越普遍。同时 ,大量的结构化数据组织存放在关系数据库中。如何复合查询这些不同结构的数据 ,成为了当前研究的热点。本文将关系数据源和XML数据源包裹为一个统一类型的数据源 。

数据库水印研究与进展

数据库水印是指用信号处理的方法在数据库中嵌入不易察觉且难以去除的标记,在不破坏数据库内容和可用性的前提下,达到保护数据库安全的目的。论文综述了数据库水印技术的研究现状,分析了水印数据库系统的工作原理,总结了数据库水印的主要算法及常见攻击,介绍了其最新研究进展,展望了数据库水印研究的发展方向。

基于列存储的大数据分析系统物化策略研究

大数据具有规模大、深度大、宽度大、处理时间短、硬件系统普通化和软件系统开源化特点.针对当前传统数据库在对大数据进行分析时系统性能严重下降、计算效率提升有限的问题,提出一种基于列存储的大数据分析系统物化策略(materialization strategies in MapReduce based on column-store,MSMC).首先,通过引入MapReduce物化代价估计模型,深入分析影响物化效率的各个因素.在此基础上设计了MapReduce分布式环境下的列存储文件格式(MapReduce column-store file,MCF),并在数据加载过程中采用协同定位策略实现对物化数据的存储优化.其次,分别针对不同的物化时机,构建了MapReduce早期物化策略(MapReduce early materialization strategy,MEMS)、MapReduce延迟物化策略(MapReduce late materialization strategy,MLMS)和MapReduce混合物化策略(MapReduce early-late materialization strategy,MELMS).利用自适应物化调整策略对其做了进一步优化.实验结果在证明算法有效的同时,也显示出算法在存储空间和负载能力上都有很好的表现.

大数据管理技术研究综述

大数据具有规模大、深度大、宽度大、处理时间短、硬件系统普通化、软件系统开源化等特点。传统关系型数据库在对大数据进行操作时,系统性能严重下降。因此,大数据管理技术研究成为当前研究热点。分别从并行数据库,面向大数据处理的MapReduce模型,NoSQL与数据库技术的对比以及MapReduce与数据库技术相结合四个方面,对国内外的研究发展状况进行分析和评述,最后展望了未来大数据研究发展方向。

中文病理文本的结构化处理方法研究

病理文本作为一类重要的非结构化临床文档,对临床诊断至关重要。针对具体的中文病理文本数据,提出一种简单有效结构化处理方法。首先对中文病理历史文本数据进行预处理,包括数据清洗、短句切分及主干提取等步骤,从中提取出各个样本所对应的文本信息;然后通过短句聚类和统计参数筛选实现样本描述模板的提取;最后利用模板对病理文本进行即时结构化处理,得到最终的结构化处理结果。实验证明,该方法对同类文本可以达到很好的结构化效果;同时提取的模板会被定期优化以适应最新的数据结构化需求。