R-树结点多目标遗传分裂算法

R*-树可有效地提高散乱点云、网格曲面等数据的处理效率.为提高R*-树结点空间利用率,将结点分裂过程视为多目标优化问题,采用遗传多目标优化求解结点分裂的近似全局最优解集;以结点最小外接矩形的重叠度和体积作为评价标准选取最佳分裂方案,实现R*-树的结点最优分裂.实例结果证明,该算法可实现各类复杂几何对象的R*-树结点分裂问题,并有效地降低R*-树结点分裂的参数依赖性,提高R*-树空间数据的查询效率.

R＊树结点的主元分界分裂方法

为降低R*树结点重叠度,提高其空间利用率,通过结点特征点集方差及各子特征点集方差之和建立主元分析和结点分裂之间的联系,基于主元分析算法对特征点集进行降维处理,计算特征点集的主元向量,过特征点集中心且正交于该向量建立分界面对特征点集进行划分,将各簇数据的中心作为结点分裂的初始分裂中心,实现R*树结点分裂。实验证明,该算法具有较高的结点分裂效率,使得R*树结点重叠度降低,分裂结果较合理,显著提高了R*树构造效率和k近邻查询效率。

基于页面分类的Web信息抽取方法研究

通过对现有Web信息抽取方法和当前Web网页特点的分析,发现现有抽取技术存在抽取页面类型固定和抽取结果不准确的问题,为了弥补以上两个不足,文中提出了一种基于页面分类的Web信息抽取方法,此方法能够完成对互联网上主流信息的提取。通过对页面进行分类和对页面主体的提取,分别克服传统方法抽取页面类型固定和抽取结果不够准确的问题。文中设计了一个完整的Web信息抽取模型,并给出了各功能模块的实现方法。该模型包含页面主体提取、页面分类和信息抽取等模块,并利用正则表达式自动生成抽取规则,提高了抽取方法的通用性和准确性。最后用实验证实了文中方法的有效性与正确性。

XML文档对象模型 (XML DOM)研究与应用

介绍了XML的两种解析方法 ,重点分析了DOM模型及其特点 。

一种改进的计算控制依赖的算法

控制依赖是分析程序和程序并行化的基础。针对现有的计算控制依赖方法的不足,提出了一种改进的算法。该改进算法通过引入函数调用和返回引起的控制转移来计算函数间的控制依赖关系。最后通过实例验证了该改进算法比原算法更能准确地计算程序的控制依赖关系,比传统的内联方法更易于理解。

云存储中基于SBT的数据完整性验证机制

云存储中数据完整性验证的主要思想是利用树形或类树形数据结构来存储用户外包的数据,并将该数据结构与适当的密码学技术结合使其具备可认证性,即认证字典。该文将基于结点大小平衡树(size balanced tree,SBT)结构来构建认证字典,并在该认证字典基础上设计出数据完整性验证方案。基于SBT结构的数据完整性验证方案能更好地支持动态数据集的完整性验证,避免了数据更新引起的周期性重构。实验结果表明,相对于基于AVL树、Treap的认证结构,基于SBT结构的认证字典具备更好的平衡性和更高的数据操作效率。

基于vtk-m的并行流线可视化算法优化

流线是矢量场可视化最具表现力的方法之一。随着计算机硬件和计算方法的发展,流场数据规模日趋增大,传统的流线算法在数据加载与积分计算存在瓶颈,导致算法效率低。开源的vtk-m算法库中提供的流线算法将积分任务划分为基本任务单元,理论上可调用海量线程并行处理,算法性能虽有提升,但在实践研究中发现并行效率低。针对这一问题,提出了基于动态结点树的并行流线可视化优化算法。主要通过粗粒度和细粒度两次划分,并行构建动态结点树对数据进行组织管理,利用索引关系缩小积分备选区域,实现对网格单元的快速定位;其次使用数据属性抽取与种子点任务并行执行等方法在算法其他环节进行优化,减小程序内存需求并提高对计算资源的利用率。在不同规模数据集下的实验结果表明优化后算法的有效性。