论文部分内容阅读
本文提出了一个新颖的基于密度的分割和分层聚类算法,它通过减少参数,以及采用了参数自校技术,使得在聚类中实现人工反馈机制变得比较容易，同时,引进的密度权重概念也可以帮助用户理解结果聚类的密度分布，实验结果通过模拟数据和实际数据表明，此方法是比较有效的。
SDPHC--基于密度的分割和分层的自校聚类算法
【摘 要】
：
本文提出了一个新颖的基于密度的分割和分层聚类算法,它通过减少参数,以及采用了参数自校技术,使得在聚类中实现人工反馈机制变得比较容易，同时,引进的密度权重概念也可以帮助用户理解结果聚类的密度分布，实验结果通过模拟数据和实际数据表明，此方法是比较有效的。
【机 构】
：
复旦大学计算机与信息技术系,上海,200433
【出 处】
：
第二十一届中国数据库学术会议
【发表日期】
：
2004年5期
其他文献
Incremental learning algorithm of SVMs is designed to deal with data streams mining problems. The paper presents dynamic training algorithm of incremental SVMs which is suitable to mine on data stream
本文提出了一种使用小波变换与傅立叶梅林变换相结合的数字水印算法。经过对多幅图像，分别进行几何变换、JPEG压缩、裁剪和滤波等攻击测试。结果表明，本算法对于几何攻击以及其他攻击都具有较好的鲁棒性。
本文基于语义网中本体的思想，提出了一种针对大数据集结点关系确定从而抽取出社会网络的算法Ontology-Scalability，对本体采用树状结构进行存储，利用现有的权威ODP数据集进行本体构建。由于本体过滤运算的高效率使需要在搜索引擎中进行搜索的关键字数目明显减少，结点关系计算速度较大提高，同时也提高了存储效率。
本文对基于移动Agent的蚁群算法在移动数据库中的应用进行了介绍。移动数据库中，处理多个移动客户机之间的协调关系。这里建立起来的模型可以将每个移动Agent看作是分工不同的蚂蚁。移动Agent的移动性，路线轨迹不确定性等都需要掌握，如何使移动客户机找到最优的路径是研究的突破点。模型具有可用性，结合了移动Agent自身的特点，利用了蚁群算法所能提供出的寻找最优路径。
本研究从数据挖掘的角度处理基于网络或主机的审计数据，阐述了应用数据挖掘算法构建入侵特征并生成规则模型的基本思想。基于数据挖掘的异常入侵检测系统已经得到了越来越广泛的关注，是未来IDS发展的一个主要方向。
本研究提出了一个新的检索模型—基于本体的改进VSM的语义信息检索模型OB-VSM。该模型将传统的基于词汇的文档/查询表达方式变成基于本体的文档/查询表示方式，利用本体在表达语义方面的优越性来描述文档/查询的语义，因此可以更准确地反映文档的准确含义，并实现了基于语义的信息检索。
本文以北京大学数据库教研室开发的CoDB关系数据库为基础,在其上设计并实现了XML全文检索的功能，该检索系统支持元素级别的查询,并且使全文检索和数据库的查询引擎紧密地结合起来,可以按照文档和元素的重要度排序，此外,该检索系统地使用了一种新的自索引的倒排结构,可以很好地应用于XML全文索引，实验证明，该检索系统检索速度比SQL Server稍快,而且在全文检索的功能上略强于SQL Server。
本文总结了数据库安全威胁的各类因素,提出了数据库安全威胁模型,并根据此模型,研究了各类威胁对抗措施,包括阻止技术、隐藏和欺骗技术、入侵检测技术、控制损失范围和恢复数据技术等，最后给出了一个安全架构,并在OSCAR数据库管理系统上实现了上述对抗措施。
本文在总结前人研究工作的基础上,首先提出了基于元胞自动机(CA)的预测模型,它可以大大改进对移动对象未来运动轨迹的预测精度，其次利用回归的方法连续化预测值,把回归模型参数用于通信,降低了通信负载，最后在这个基础上提出一套移动对象位置更新的主动更新策略,利用上下载过程的协同最大程度避免了多余的更新,进一步最小化了通信量，实验证明,主动更新策略在降低移动对象预测误差的同时,提高了系统的位置获取率。