摘要:研究大规模交易数据库的聚类问题，提出了一种二次聚类算法——CATD.该算法首先将数据库划分成若干分区，在每个分区内利用层次聚类算法进行局部聚类，把交易初步划分成若干亚聚类，亚聚类的个数由聚类间的距离参数控制.然后对所有的亚聚类进行全局聚类，同时识别出噪声.由于采用了分区方法和聚类的支持向量表示法，该算法只需扫描一次数据库，聚类过程在内存中进行，因此能处理大规模的数据库.

摘要:介绍了一种新型的多维数据空间放置算法——SMDPA.该算法使用数据超方体的先验被访问概率以及访问之间的相似度放置超方体.即使在数据超方体的被访问频率不满足均匀分布的情况下，该算法可以有效地放置超方体.模拟结果证明，该算法较传统算法有更良好的性能.

摘要:使用归纳过程说明算法的演化,建立了一阶语言语句集和算法的关系,并提出了启发式的归纳规则.还提出了算法分析的概率式研究方法.这种方法为有效算法的设计和自动算法设计提供了工具.

摘要:介绍了一种带有Agent移动的分布计算形式化语言——资源域语言.与分布移动计算中的同类工作相比较,它没有采用基于π-演算进行扩充的方法,而是以一种带资源的类λ-演算为核心发展而来.这使得它可以直接支持内存单元式的资源,而不是间接地通过进程/通道来模拟.进一步地,资源域语言还对“位置”的概念进行了特殊的处理,产生了“域”的概念.域和内存资源结合在一起使得资源域语言成为对现有同类工作的一种有益补充,提供了描述分布移动系统的一种新途径.其主要特点包括：易于实现和更接近实际语言(如Obliq,Telescript

摘要:给出Petri网弱活性（无死锁）与活性的两个语言刻画，讨论了同步合成Petri网的语言性质，基于Petri网语言，给出了判定Petri网活性的充分必要条件。同时研究了Petri网同步合成过程中活性保持问题，给出保持活性的充分必要条件。这些结果为讨论网的活性测试和控制提供了形式语言的方法。

摘要:在分析现有多目标优化技术的基础上,提出了一种基于生态协同的多目标优化算法.此算法借鉴生态学中的生态种群密度竞争方程来描述多目标间的复杂关系,可以同时从个体和种群层次指导多目标之间关联程度的调整.实验结果表明，此算法更易于寻找多目标优化问题的满意解.

摘要:广播是移动自组网络(MANET)中的一种常用操作.许多移动自组网络的按需路由协议依赖于它来发现任意两个节点之间的路径.广播也是许多MANET应用中发布信息的重要手段.实现广播的直接途径是洪泛(flooding).然而,在没有有效的控制机制下,洪泛将带来严重的消息冗余、传输冲突和碰撞问题.基于图论中的连通支配集(CDS)概念,提出了一种有效的广播途径.它能较大地减小消息的冗余度,同时保持了洪泛的优点.模拟结果表明,提出的广播途径优于一个基于CDS的分布式算法和一个基于簇(cluster)的途径.

摘要:提出了一种新的基于图像的绘制技术:平面狭缝图像场,即利用狭缝图像的集合来表示和生成场景.在分析平面狭缝图像场性质的基础上,提出了相似狭缝图像概念,从而推导出用有限采样拟合平面狭缝图像场,进而可以实时生成具有高真实感漫游场景的方法.据此提出了采样和拟合的实现.最后,提出了分段狭缝图像映射的方法,大大压缩了所用到的数据量.

摘要:软件流水是循环调度的重要方法.有分支循环的流水依然是个难题.现有算法可以分为4类:循环线性化、路径分离、整体调度和路径选择.它们都未能和谐地解决两个对立问题:转移时间最小化和最差约束问题.提出了基于路径分组和数据相关松弛的软件流水框架,试图无矛盾地解决上述问题.其主要思想是:(1)路径分组，即按照路径的执行概率和转移概率将路径分组,力求最小化转移时间;(2)数据相关松弛,力求避免最差约束，即当循环有多条路径时,有些相关在循环执行中并不一定有实例，理想的策略是仅当它有实例时才遵守.初步实验和定性分析表明,此

摘要:遗传算法基于适应度的进化模式没有考虑进化的外部环境和进化成分之间的关系,这是协同进化研究的内容.借鉴生态学对个体生存环境和种群竞争的认识,构造了一种基于生态种群竞争模型的新的协同进化模式.模拟实验表明,采用该模式的改进遗传算法在改善未成熟收敛和收敛速度两方面具有良好的性能.

摘要:动态负载平衡问题是影响工作站网络并行计算性能的重要因素.首先分析出在负载平衡中产生额外开销的根本原因是负载的移动,进而定性地给出了每次移动负载的粒度公式.引入益处估计的方法,仅在有益的情况下进行负载平衡.另外还提出了一个动态负载平衡算法.最后,通过实验,将该算法的运行结果与其他人的负载平衡结果以及不作负载平衡的情况进行了对比.此负载平衡方法在工作站为空载以及不同的负载和应用问题的数据规模的情况下,都优于Siegell等人提出的方法.

摘要:面部特征提取是面部感知的重要内容,同时也是特定人的3D人脸动画应用中所必须的前期工作.在一个多级人脸检测模块检测到人脸大致区域和尺寸的基础上,提出并实现了一种基于面部图像纹理分布特性和可变形模板的由粗到细的面部特征提取策略,旨在解决可变形模板对参数初值依赖性强和计算时间长的问题.该策略首先利用眼睛区域的谷特性和频率特性定位两个虹膜中心点位置,然后用积分投影确定唇部和鼻子区域的位置,在此基础上进行关键特征点的检测,从而可以得到预定义特征模板参数的良好初值,最后基于贪心算法的多阶段轮换优化算法来搜索一个极小点

摘要:给出模糊关系传递闭包在对应模糊图上的几何意义,并提出一个基于图连通分支计算的模糊聚类最佳算法.对任给的n个样本,新算法最坏情况下的时间复杂性函数T(n)满足O(n)≤T(n)≤O(n²).与经典的基于模糊传递闭包计算的模糊聚类算法的O(n³logn)计算时间相比,新算法至少降低了O(n