云环境下数值型数据库检索与编码模型的构建

针对数值型数据库文本描述少和数据之间关系离散而导致检索难度大、效率低等问题,构建了一种云环境下数值型数据库检索与编码模型。首先对检索词进行包括去除停用词、分词以及关键词数值化索引的处理,然后借助二分算法结合字典法对数据库中数值型数据进行编码处理,最后将数据库中所有数值型数据与检索关键词一起进行聚类,寻找与检索关键词在一起的簇并计算簇中所有数据与检索关键词之间的相似度,然后按照从小到大的顺序排序,将排序前Q个对应的数据作为检索结果,完成数值型数据库检索。实验结果表明,与传统算法相比,提出的模型的检索准确性、全面性要相对更优,检索时间更少。

数据库中数值型数据的加密存储与查询方法

为提高数据库中数值型数据的密文查询效率,提出一种为数据库中数值型数据建立索引的新方法。对敏感数据应用单调递增函数计算得出比较值,应用非单调函数对敏感数据计算求得混淆值,将比较值和混淆值组成索引值并随密文数据一起存入数据库中。密文数据的查询采用两阶段方法,第一阶段查询时先根据查询条件计算得出比较值,将数据库中的索引值去混淆后与其进行比较,筛选出符合条件的密文结果集,第二阶段对一阶段得到的密文结果集解密后查询得到最终所需的结果集。实验结果表明,该方法能够提高数值型数据的密文查询效率。

大规模数值型数据库中敏感数据的加密算法研究

针对大规模数值型数据库中敏感数据的加密,传统算法无法解决当前行、列数据间加密密钥的干扰问题,导致安全性能较差,效率降低。为此,提出一种新的大规模数值型数据库中敏感数据加密算法,对大规模数值型数据库中的数据进行聚类处理,以过滤无价值数据,得到对用户有价值的数值型数据,降低计算量。给出大规模数值型数据库中敏感数据加密原理,进行大规模数值型数据库的元素级加密,使所有字段的密钥均不相同。介绍了一种只在加密和解密的过程中产生密钥的密钥生成方式,依据得到的密钥对大规模数值型数据库中敏感数据进行加密和解密处理,从而实现敏感数据的加密。实验结果表明,采用所提算法对敏感数据进行加密,不仅能够保证安全性,而且有很高的效率和存储性能。

基于数值型数据的模糊规则快速挖掘方法

针对数值型数据能准确反应现实世界,但难以理解的问题,为了从数值型数据中挖掘出易于理解的知识,提出了基于数值型数据的模糊规则快速挖掘方法。该方法能从数值型数据中挖掘出一个零阶的Sugeno模糊规则,并采用一种启发式方法将这个零阶的Sugeno模糊规则的数值结论转变为两个带置信度的语言变量,并给出了规则库的存储结构。最后通过实例证明了这种快速模糊规则挖掘方法能避免复杂的数值型计算和能有效逼近非线性函数的优点。

从Fuzzy Taxonomic数值型数据库中挖掘一般化关联规则

挖掘关联规则是数据挖掘研究的一个重要方面 基于属性内通常还存在更高层次的抽象 ,即呈现出Taxonomic结构这一事实 ,Srikant和Agrawal等人提出了在确定的Taxonomic结构下挖掘泛化布尔型关联规则的挖掘算法 但在实际应用中 ,往往这种Taxonomic结构还呈现出模糊性 ;着重研究了在这种模糊Taxonomic结构下如何从数值型数据库中挖掘一般化关联规则的问题 ,提出了一种新的FuzzyTaxonomic数值型数据库模型 ,并提出了相应的规则发现方法 。

众数计算问题之我见——数值型数据集中趋势测度探讨

In the formula of the current Mode,there is some blemish.The Mode does not present the concentrate trend of all the frequencies.It not only has no a consideration of the group interval,but also the further groups’ frequencies.In this paper,the author bring upped a new calculation formula of Mode.

一种基于频繁闭合模式的非数值型数据聚类算法

提出了一种基于频繁闭合模式的非数值型数据聚类算法。该算法将频繁闭合模式所支持的事务集作为候选类,通过引入新颖的质量评价方法来评估频繁闭合模式的质量,并利用该方法选出高质量的频繁闭合模式进而生成最终聚类,从而有效克服了非数值型数据对象间因距离难以定义所带来的聚类困难。

超范围条件下,数值型数据值的算法及公式推导——以KEILC51为例

在C语言教学中,数据类型其相应的数据范围的取值问题都是以补码进行讲解的。当超数据范围时,数据的真实值发生了变化,若对其进行计算,其理论依据仍是补码。但这种计算是很复杂的,也极易出错,对于初学的学生甚至教师都是一种考验。而对于任意一个给定的数,要很快计算出其结果,对于绝大多数师生似乎是一件"很难完成的任务"。本文先用补码进行理论推导,之后以大家最熟悉的十进制数进行计算,并最终推导出计算公式,使超数据范围条件下的任意数据的计算都能准确、轻松地实现。

稀土数值型数据库系统的开发应用

根据稀土数值型数据的特点,探讨基于Web检索与绘图相结合的应用系统的开发实例,系统既能对数据库中的数据进行属性检索、绘图与显示,还能直接对用户本地的数据进行网上在线处理,具有广泛的数据与应用的共享性。

数值型数据的泛概念树的自动生成方法

概念层次在数据挖掘中有着重要的作用 .通过自动生成概念层次 ,可有效地提高数据挖掘的效率 ,在不同层次上发现知识 .文中介绍基于云模型的数值型概念表示方法 ,通过云模型的期望值、熵和超熵三个数字特征有效地表达定性概念 ,并实现定性和定量的不确定转换 .通过云变换实现了泛概念树中叶结点的自动生成 ,并自动构造数值型数据的泛概念树 .同时 ,进一步研究了泛概念树中的概念爬升和跳跃的方法 ,为通过数据挖掘发现各层次知识提供了基础 .

VFP表格中数值型数据按列合计的自动计算

本文介绍用 VFP设计一个表格中数值型数据按列合计自动计算并显示的方法和过程 ,该文介绍的内容既可作为 VFP教学时指导学生上机实践的例题 ,也可在实际应用系统开发的过程中加以参考利用。

一种基于随机投影的本地差分隐私高维数值型数据收集算法

对满足本地差分隐私的高维数值型数据收集问题进行了研究。设计了一种基于随机投影技术的满足本地差分隐私的高维数值型数据收集算法Multi-RPHM,在满足本地差分隐私的条件下,该算法处理维度较高的数据时能够保证所收集的数据的高效用。从理论上证明了该算法满足ε-本地差分隐私的要求。在合成数据集上进行的实验结果验证了该算法的有效性。

数值型数据库建设研究——以冶金行业数值型数据库建设为例

[目的/意义]数值型数据库是一种重要的信息资源,在图书馆和信息机构的文献信息服务中具有独特的功能和作用。[方法/过程]以国内外相关数据库为例,探讨了数值型数据库的特点、类型及发展情况。结合我国"冶金成本数据库"的建设实践,阐述了数值型数据库的建设意义、思路和方法,介绍了该数据库的服务功能,服务效果和发展设想。[结果/结论]认为数值型数据库建设与服务将成为今后一个时期,图书馆从文献服务迈向知识服务的一个十分重要的发展领域。

基于自适应卷积核的改进CNN数值型数据分类算法

针对卷积神经网络(Convolutional neural network,CNN)模型在对工业数值型数据分类方面存在特征使用不充分、模型分类性能不佳等问题,提出了一种基于自适应卷积核的改进CNN(Improved CNN based on adaptive convolution kernel, ACK-ICNN)算法。该算法为了增加特征的重复使用率,构建了一种多尺度卷积核的模型结构,通过融合处理卷积核提取的不同特征来实现,增强了模型的适应能力;为了进一步提升该算法的性能,利用网格搜索算法自适应选取CNN中最优的卷积核大小,使得模型能够提取出最优的特征。采用TE过程的故障数据对其进行测试,并与支持向量机、极限学习机、最近邻等典型的数据驱动方法进行对比,测试结果表明,该算法能有效提升各类故障的分类精度。

非数值型数据的数据库水印算法研究

分析了对非数值类型数据进行水印嵌入的特殊性,提出了基于非数值型数据水印的简单替换算法及其改进方法。为了减少水印嵌入对数据统计特性的改变,提出了一个统计特征控制算法,并设计了相关的实验,实验证明了算法的可用性和鲁棒性。

SpringerMaterials:物理、化学研究中必不可少的数值型数据库

随着科技进步和相关研究文献的迅猛发展,科研人员对方便、快速地检索到经过严格评估和筛选的科学数据的需求与日俱增。该文介绍了可以较好解决以上需求的网络参考工具:新问世的物理、化学相关领域数值型网络数据库SpringerMaterials及其数据来源——德国经典的LB丛书和收录范围——物理、化学、材料等相关科学和工程领域。结合检索实例介绍了简单检索、高级检索、元素周期表检索、结构检索、检索结果、书架模块等功能模块。分析了该数据库的特点,并与其他同类型数据库对比,提出该数据库的改进建议。SpringerMaterials数据库所具有的诸多优势会使其成为物理、化学领域专业人士科学研究中必不可少的网络型参考工具。

一种基于雷达图表示的数值型数据的CNN分类方法

卷积神经网络(convolutional neural networks, CNN)是一种广泛用于分析视觉图像的分类方法.由于数值数据存在着非线性、耦合性等复杂的空间关系,因此基于CNN的数值型数据的研究较少.本文的目的是找到一种可行的方法,将CNN的应用领域扩展到数值数据.于是提出了一种基于雷达图表示的数值型数据的CNN分类方法(Radar-CNN).该算法首先将数值数据表示成雷达图形式,然后将其输入CNN中构建分类模型.为了进一步研究特征尺度和序列对性能的影响,提出了两种改进算法Rank Radar-CNN和SFS Radar-CNN.为了验证所提算法的有效性,引入TE化工过程数据集进行实验测试并比较,实验结果表明Radar-CNN及其改进算法具有优异的性能.

结构化数据到数值型分析文本生成模型

基于结构化数据的文本生成是自然语言生成领域重要的研究方向,其可以将传感器采集或计算机统计分析得到的结构化数据转化为适宜人阅读理解的自然语言文本,因此也成为了实现报告自动生成的重要技术.研究基于结构化数据到文本生成的模型为报告中的各类数值型数据生成分析性文本具有重要的实际应用价值.本文针对数值型数据的特点,提出了一种融合coarse-to-fine aligner选择机制和linked-based attention注意力机制的编码器-解码器文本生成模型,考虑了生成数值型数据的分析性文本过程中内容过度分散、无法突出描述的问题,另外也将数值型数据具体所属的域进行了关系建模,以提高生成文本中语序的正确性.实验结果表明,本文提出的融合两种机制的模型,比仅使用传统的基于内容的注意力机制和在前者基础上增加使用linked-based attention注意力机制的模型,以及基于GPT2的模型在指标上都具有更好的表现,证明了本文提出的模型在生成数值型数据的分析性文本任务中具有一定的效果.

数值型和分类型混合数据的模糊K-Prototypes聚类算法(英文)

由于数据库经常同时包含数值型和分类型的属性 ,因此研究能够处理混合型数据的聚类算法无疑是很重要的 .讨论了混合型数据的聚类问题 ,提出了一种模糊 K- prototypes算法 .该算法融合了 K- means和 K- modes对数值型和分类型数据的处理方法 ,能够处理混合类型的数据 .模糊技术体现聚类的边界特征 ,更适合处理含有噪声和缺失数据的数据库 .实验结果显示 。

数值型云外包数据范围查询隐私保护方法

随着云计算的发展,在数据即服务的模式下,数据托管业务越来越普遍。将数据保存在半可信任的云服务器上存在隐私泄露的可能性,所以需要在存储前加密被托管的数据。然而大量加密的数据需要在服务器返回后再解密,无疑占用大量带宽和计算开销,因此,可搜索加密技术的应用价值日益凸显。综合考虑目前可搜索加密对范围查询的支持情况以及安全和效率,提出一个带关键字的面向数值型数据的加密和查询的方案。该方案基于对称加密设计和实现,相比公钥加密效率更高。云服务器可在加密数据上进行任意范围的检索并返回符合查询方案的结果,降低带宽且提高查询效率。另外,该方案有效对抗频率、顺序等多种攻击,解决云存储环境下的多种安全隐患问题。