偏序时态XML索引TempPartialIndex

时态数据管理是常规数据管理的深化和扩展,具有理论研究的意义与实践应用的价值.时态数据索引是时态数据管理的重要技术支撑,是其中的一个研究热点.首先,提出了一种时态数据结构,通过数据节点间的偏序关系,可将常规的二维时间区间的处理转化为基于偏序的时态等价类上的一维的处理,该数据结构可以快速有效地处理时态操作;其次,在该新型时态数据结构基础上研究了时态XML索引Temp Partial Index,其基本特征是将时态数据结构整合到非时态的XML索引中,即,将其整合到语义层之中,通过时态过滤和语义过滤掉大量节点之后,再进行结构连接;另外,着重讨论了基于Temp Partial Index"一次一集合"及其时态变量查询和增量式的动态更新机制.同时,仿真结果表明:Temp Partial Index能够有效地支持时态XML的各类查询及更新操作,技术上具有可行性和有效性.

分布式计算中的因果性研究:回顾与展望

分布式系统是一组在空间上分隔的顺序进程,进程间仅仅通过消息传递来交换信息,由于缺乏全局时钟,基于事件观察的事件交叉线性序列往往不适合于我们对分布式程序行为的理解,在实际应用中带来很多问题.现在已经认识到,将事件之间的关系理解成基于事件相互影响的偏序关系是比较合适的[1s,川,这种相互影响的关系也被称为因果关系。 本文较系统地综述了十多年来因果性间题研究的发展情况,并讨论了因果性在分布式计算中很多重要问题中的应用,阐述了对研究现状的认识,并指出了若干研究方向。

热力学关系式的待定系数方法

介绍了待定系数法的定义及其基本思想,给出了该方法在处理热力学一阶偏导数中的应用及热力学关系式的证明和推导.

利用稀疏点云偏序关系的半监督单目图像深度估计

为了减少传统基于学习的深度估计方法对大量稠密深度数据的依赖,提出了一种基于偏序关系的深度估计方法.首先对RGB图像进行超像素划分,根据稀疏点云在超像素图像上的投影生成超像素的深度,进而在超像素中心之间建立了深度偏序关系,结合稀疏点云的实际深度值作为监督信息,训练卷积神经网络估计场景深度.在NYU Depthv2数据集上的实验结果表明,该方法仅需稀疏点云就可达到0.262的平均相对误差,优于之前国际同类方法,甚至超过部分使用稠密深度数据的监督方法.

堆垛约束下基于偏序的路径优化时间窗松弛方法

在求解车辆路径优化问题时,通常使用时间窗对任务之间的偏序关系进行建模,设计带时间窗约束的路径优化模型与算法,然而时间窗约束与偏序约束是不等价的.在集装箱码头堆垛作业背景下,针对时间窗约束的路径优化模型,提出将时间窗约束转化为偏序约束的松弛方法,并据此设计偏序约束的路径优化模型.在分支定界算法框架下,研究时间窗约束与偏序约束之间的关系,对两种模型的特征进行分析.采用Solomon数据集进行数值分析,验证两个模型在寻优能力与性能之间的差异.结果表明,偏序模型具有更好的优化性能,但是时间窗模型具有更好的计算时间性能,通过时间窗紧缩的特征分析发现基于时间窗分解设计偏序模型求解算法是新的研究方向.

半环上矩阵的广义逆与T-序

引入了半环上矩阵Moore-Penrose逆的概念.通过矩阵的T-序关系探讨半环上矩阵的Moore-Penrose逆,得到了矩阵满足T-序条件的若干性质,并且得到Moore-Penrose逆是其他广义逆的最大元或最小元.研究了幂等的非负偏序半环上的矩阵,得到了一个很有用的结论.

虚拟试验中基于匹配特性融合的内容网络匹配算法

在应用广泛的基于Map的内容发布/订阅系统中,系统会让订阅中的每个约束条件与对应事件进行匹配,但由于系统中每个订阅都有着较大数目的约束条件,从而需要较高的事件匹配效率。在分析匹配网络中的覆盖剪枝和具有精确定位特性的谓词索引基础上,该文提出一种基于匹配特性融合的内容网络匹配算法。给出了算法的数据结构、订阅处理流程及匹配处理流程。理论分析及典型实验对比表明,相比于单纯的覆盖算法及索引算法,该算法可以提供更高效的匹配。

有限集合上偏序关系的矩阵判别方法

要从定义出发去判断集合X上的二元关系R是否是偏序关系比较困难,从关系矩阵出发,给出了偏序关系的矩阵判别方法,并对此方法进行了证明.

基于数学属性偏序表示原理的《伤寒论》甘草方剂配伍量效群结构知识发现

目的:基于属性偏序表示原理的药物方剂配伍量效群结构图,发现《伤寒论》甘草方药量效关系的相关知识。方法:收集《伤寒论》甘草相关的方剂及条文,进行规范化表达,建立数据库,构建甘草方剂配伍量效群结构图,并从图中进行模式发现,从而整理和研究《伤寒论》甘草方药量效关系的科学内涵。结果:从总述和分述的甘草方剂配伍量效群结构图中,能系统、全面、多层次地展示甘草的方药量效规律。结论:基于数学属性偏序表示原理的群结构知识发现方法能够在已知的中医文献中挖掘对方药量效关系研究有价值的知识,为其规范化、系统化、科学化、现代化传承和拓展提供可鉴之法。

基于相邻系数关系对的偏序马尔可夫JPEG隐写分析模型

在偏序Markov的基础上,以相邻DCT系数间关系对为统计对象,提出一种新的JPEG偏序隐写分析模型.在模型的无环有向图中,将相邻系数关系对作为终点集合,而系数本身作为始点集合.与原偏序分析模型相比,此终点集合的统计空间对DCT系数关系的分布规律有更直接的描述,并且始点集缩小,每个始点对应的终点数增加,使特征的信息熵上升,有助于分类效果.本文综合了系数间相关性较强的两个方向的统计值,采用像素裁剪重压缩进行图像校准,把待测图像与校准图像的统计概率之差作为特征.对3种代表性的DCT域隐写方法F5、MB1和Steghide进行隐写分析测试,实验结果表明:改进后的特征比原模型特征更有效,针对这3种隐写算法的检测效果,本文特征优于现有的单一模型低维特征.