数据集成增量检测中Sort Merge算法的改进和实现

在数据集成应用中,增量检测一个最主要的职责就是检测计算出数据源的增量数据,有多种方式可以检测分析出数据源的变化数据:触发器、日志分析、快照差分等等。而快照差分又可以采用不同的算法对两个快照进行计算,针对差分算法中SortMerge算法的一个改进和实现,主要利用有序文件来提高增量计算的效率。由于快照差分在字符串比对、文件差异计算、大数据量的差异对比、自然连接等实际问题有应用,对此类问题都有一定借鉴意义。

一种改进的Split-Merge图像分割算法

图像分割的经典算法Split-Merge算法思路简洁、运算效率高,但存在边界定位不准确和过分割等问题。针对过分割问题提出了一种改进的Split-Merge算法,在合并过程中引入全局目标函数,并在目标函数中定义了长度项,使用贪心法完成合并过程。长度项以及贪心法的使用促使相邻区域充分合并,有效地克服了过分割等问题,取得了较好的分割效果。

在Split-Merge框架下进行基于图的图像分割

Split-Merge算法是图像分割领域的经典算法,思路简洁、运算效率高,但因分裂位置和形状固定,导致出现方块效应和边界定位不准确等问题。现有的各种改进算法不能从根本上解决这些问题,为此本文将基于图的分割算法纳入到Split-Merge框架中来,提出了在Split-Merge框架下进行基于图的分割。新算法把传统的基于图割值的算法作为分裂阶段的处理手段,在合并阶段采用本文提出的一种与访问次序无关的合并算法。新算法既解决了Split-Merge算法中因分裂位置和形状固定而带来的各种问题,也有效地消除了在基于图的分割中常见的"过分割"现象,取得了满意的分割效果。