基于中文文本的疾病领域本体学习的研究

为提高领域本体概念及概念之间关系提取效率和准确率,提出基于中文文本的领域本体学习模型。在提取候选概念的过程中,采用修改后的关联规则频繁项计算方法对合成词进行处理,并结合位图存储分词处理后术语间的物理相邻关系,再通过计算领域相关度和领域一致度对候选概念进行筛选,最后利用关联规则可信度和层次聚类的方法分别提取概念间的非分类关系和分类关系。实验结果表明,该模型对领域本体学习具有合理性,提出的算法与基于互信息的本体学习相比较,在概念和关系的提取上具有较高的准确性。

彩色图像色彩聚类算法研究

在介绍图像色彩自适应聚类算法的分析的同时,进行针对任意真彩色图像进行色彩聚类的算法。设计一种能够将BMP格式的真彩色图像进行色彩聚类处理,形成基本不失真的、最多具有256种色彩的伪彩色图像算法。

NTFS文件系统空间回收方法的研究

传统配置技术中配置容量往往得不到充分利用,并且已经分配的存储资源占用的存储空间即使被释放了也无法再次使用。为此,应用自动精简配置(TP)技术按需分配存储资源,解决存储资源的浪费问题。针对一般文件系统中空闲空间回收方法均需要占用额外的系统资源问题,提出SAN环境下基于NTFS文件系统簇位示图的空间智能回收方法。实验结果表明,NTFS文件系统的空间回收方法可有效回收空闲空间,当TP页大小设置在KB级时,回收效率可达90%以上,同时该方法推迟了容量预警和在线扩容的时间,提高了存储利用率。