一种基于负载均衡的多Agent路径规划算法

在分布式信息查询系统中,使用多个Agent协作完成查询任务是一种有效的方法,所有Agent的总行程影响网络的通信流量,单个Agent的最大负载决定了壹询任务的完成时间.现有方法大多研究如何减少Agent的总行程,未考虑Agent的负载均衡问题.本文提出一种基于负栽均衡的多Agent迁移路线规划(Load balancedmulti-agent planning,LBMAP)算法首先寻找图中一条包含所有节点的TSP回路,然后使用动态规划算法将该回路分为多段,每个Agent访问其中一段,算法兼顾了两个优化目标:最小化Agent的总行程、最小化Agent的关键负载.仿真实验表明:随着Agent平均访问节点数的增大,LBMAP算法的性能趋近于理论最优值.     

流数据复杂聚类查询处理算法

流数据上的连续查询,尤其连续聚类查询是流数据处理研究的难点.草图算法能够计算流数据上等值连接大小的高精度近似值,而直方图算法能够较精确地统计流数据的分布.本文结合这两种算法的优势,提出了一种能够高效处理流数据上复杂聚类查询的算法.理论和实验结果表明,该算法具有较高的精度和较小的空间复杂度.     

位置不确定持续移动对象的离散表示

基于快照模型,提出对多个离散快照进行整体插值来生成不确定性二维移动点对象的离散模型用于时空数据库系统的实现。利用GM（1,1）模型,通过灰生成降低各个离散快照本身包含的不确定性,建立能够反映移动对象的整体运动趋势的离散实现模型。与线性插值模型的对比实验说明,信息受限情况下采用该模型计算位置不确定持续运动对象的时空运动情况能够保持稳定的低误筹率。     

基于置换群的可逆逻辑门网络级联

n输入n输出可逆逻辑门的级联构成一个群,它与对称群Sτ同构。本文研究了生成Toffoli门集合的可逆逻辑门数的特点,证明了任意置换Sn可以由n-轮换δ和一个置换τ=（ij,ik）生成,同时证明了相邻2一轮换可由至多两个NOT门在不增加额外信息位的情况下生成。最后提出了一个基于上述理论的可逆逻辑门网络级联算法,并通过实例验证了该算法的正确性。     

实时数据库的主动机制研究与实现

主动机制是实时数据库管理系统（ＤＢＭＳ）的一个重要功能。在主动机制的基础上，实时ＤＢＭＳ能够根据数据库中某些数据及环境的变化，主动地作出一定的反应，执行预先设计的动作，而不仅仅是被动地执行用户的命令。文中主要介绍一个实时ＤＢＭＳ的主动子系统，采用事件－条件－动作的规则来实现其主动功能；讨论了规则的表示和存储结构，规则子系统的系统结构及与ＤＢＭＳ的联系；并详细介绍了条件评价器、规则检索优化、规则冲突     

应用聚类分析对关联规则进行分组

关联规则是要从大量的数据中找到数据之间的规律，但有时所产生的规律十分繁多，从而形成新的知识管理问题。针对该问题本文提出了一个新的算法，该算法利用系统聚类分析方法对规则进行分组，从而可更好地帮助用户解所发现的规律，该方法的距离（RatioD）是基于关联规则本身，因此，可对规则进行高效地分组。实验结果表明，该算法是有效的。     

一种新的空间多维关联规则模型与算法

空间对象具有自相关、连续性、多尺度等特点，导致空间关联规则挖掘与传统的统计关联规则挖掘不同，不存在统计的“事务”，挖掘更加复杂。本文用基于空间相关的影响域来创建“空间事务”，以代替传统关联规则挖掘中的事务，建立了一种新的应用于挖掘空间多维数据的空间多维关联规则模型(Spatial multidimensional association rules model，SMARM)。设计并实现了一种新的挖掘算法SMARBIA，用基于影响域、空间支持度等剪枝技巧，克服了空间多维关联规则挖掘过程中候选项目集庞大的困难。实验表明，该算法能有效地减少候选项目集而获得较好的性能。     

一种支持 NF￣2 和多媒体的数据模型

支持ＮＦ２（Ｎｏｎ－ｆｉｒｓｔ－ｎｏｒｍａｌ－ｆｏｒｍ）和多媒体的数据库系统ＮＦＭＤＢ是在关系数据库ＲＤＢＭＳ的基础上研制的,它是一种扩充了的ＤＢＭＳ。系统采用了扩充的关系数据模型,它支持ＮＦ２和多媒体的数据存储和数据操作。本文重点介绍了ＮＦＭＤＢ系统支持ＮＦ２和多媒体的数据模型,以及基于数据字典的实现方案,系统具有处理复杂对象的能力。     

不确定性时空查询的一种符号表示法

分析了时态查询、时空查询和不确定性时空查询的各类查询形式及其查询特性,以BNF(B ackus-naurform)范式形式给出不确定性时空查询语义的统一符号表示法,并对典型查询进行举例说明。该表示法建立在时态谓词、时空谓词和不确定性时空谓词基础上,可消除由不同表现形式带来的语义混淆,以对各类不确定性时空查询进行统一表示。该方法还可用于不确定性时空数据库原型系统的实现和不确定性时空查询的进一步研究。     

基于时空模型的快速视频显著区域检测

传统的视频显著区域检测方法运算量大且难以处理包含复杂运动的视频,本文提出一种基于时空模型的快速显著区域检测方法.该方法用一种新的模糊聚类算法对特征点的运动轨迹进行无监督聚类,对不同运动类型进行分类.在复杂运动情况下,该算法通过计算优化的聚类中心的个数以获得运动类型数,再将异常数据剔除后,生成运动显著图.而在空间显著区检测方面,则利用反差模型以及Gabor滤波器获得图像的静态显著图.在此基础上,还提出一种基于运动优先思想的时空混合方法,将运动和空间显著图动态合成视觉显著图.实验证明,该方法能够有效地提取视频显著区域,与传统的方法相比该方法平均耗时更少且更方便.