内-递推信息与内-递推二叉树特征-辨识

引入树结构于内-递推信息的递推结构中,提出内-递推二叉树概念,获得内-递推二叉树的结构与特性。定义了内-递推二叉树的内-递推度与递推损失度;给出内-递推二叉树存在性定理、满二叉树存在与惟一性定理、完全二叉树定理,包括内-递推二叉树结点的辨识定理与辨识准则。内-递推二叉树是内-递推信息的一种重要组织结构,内-递推二叉树的研究过程与结果,为具有内-递推特性的信息处理提供了一种新方法。     

外-递推数据的依赖-还原与应用

基于一类数据具有不断放大的特性,应用外P-集合的结构与动态特性,将P-集合串的基集合动态化,提出外-递推数据概念,获得外-递推数据的结构、生成原理与生成准则;给出外-递推数据依赖与还原相关定理及应用。     

内P-信息融合与信息过滤-辨识

P-集合(packet sets)是一个动态模型,P-集合是由内P-集合X~F(internal packet set X~F)与外P-集合(outer packet set X~F)构成的元素集合对;或者(X~F,X~F)是P-集合.利用内P-集合与信息融合交叉,给出内P-信息融合概念,给出一些基本理论结果,并利用这些特性进行信息过滤-辨识.最后利用这些结果给出应用.     

P-增广矩阵与信息的智能动态发现-辨识

利用普通增广矩阵概念与P-集合动态结构交叉,改进普通增广矩阵概念,提出P-增广矩阵,给出P-增广矩阵结构;P-增广矩阵由内P-增广矩阵与外P-增广矩阵共同构成。给出内P-增广矩阵属性定理,外P-增广矩阵属性定理与P-增广矩阵属性定理;给出P-增广矩阵与普通增广矩阵的还原关系。改进P-推理,提出P-增广矩阵推理,给出推理结构;P-增广矩阵推理由内P-增广矩阵推理与外P-增广矩阵推理共同构成。提出属性的P-增广合取范式,给出属性的P-增广合取范式与属性的普通合取范式的关系,提出属性的P-增广合取范式还原定理;给出满足P-增广矩阵推理条件的信息的智能动态发现-辨识定理,最后给出了应用。     

内P-显性信息的生成与特征

P-集合(packet set)是由内P-集合XF-(internal packet set XF-)与外P-集合XF(outer packet set XF)构成的集合对,或者称(XF-,XF)是P-集合.把生物学中的"隐性"、"显性"概念与内P-信息交叉、嫁接,提出了内P-显性、隐性信息的概念,给出内P-显性信息生成定理与推论,内P-显性信息的度量、数量、单依赖、内收敛特征定理与推论及内P-显性信息搜索算法,最后给出内P-显性信息在动态信息挖掘中的应用.     

内P-信息显性-隐性分离与显性-隐性分离定理

把内P-集合X定义成内P-信息(x),利用内P-集合的特性,给出内P-信息显性分离、隐性分离概念和分离定理,最后,给出内P-信息显性-隐性分离生成的属性特征。     

P-集合与内 P-信息的显性-隐性特征

P-集合（ packet sets）是把动态特性引入到有限普通集合X（ cantor set X）内,改进有限普通集合X被提出的。P-集合具有动态特性,P-集合是由内P-集合XF珔（internal packet set XF）与外P-集合XF（outer packet set XF）构成的元素集合对,或者（XF,XF）是P-集合。利用内P-集合结构与生物学中显性基因和隐性基因概念交叉,给出内P-信息的显性、隐性概念;给出内P-信息显性特征、隐性特征与度量,给出内P-信息的显性、隐性定理和由此生成的属性特征。显性-隐性是P-集合的重要特征之一。     

P-集合的粒度与P-知识辨识发现

利用P-集合,给出P-集合的粒度概念,讨论了P-集合粒度的特性,给出粒度与包度的关系定理、粒度的分解定理以及单调性定理。定义了P-知识以及知识分辨度概念,将P-集合概念及其粒度特性应用于P-知识的辨识发现中,得到P-知识的辨识发现定理。最后将辨识发现定理应用于系统状态的检测识别,给出了系统状态检测-识别准则及其应用。     

内P-信息与它的反动态特性

P-集合(packet sets)是由内P-集合XF(internal packet set XF)与外P-集合XF(outer packet set XF)构成的元素集合对(XF,XF).P-集合具有动态特性,利用内P-集合XF的结构与动态特性,提出它的反动态特性,给出了基信息、内P-信息、珚F-删除信息、内P-反动态信息等概念;给出了内P-反动态信息的范围,内P-反动态信息判定,内P-反动态信息最大度量,内P-有效删除信息,内P-剩余信息定理及推论;最后给出应用实例.     

内P-隐性信息与它的分离

P-集合(packet set)是由内P-集合X-F(internal packet set X-F)与外P-集合X F(outer packet set X F)构成的集合对,或者(X F,X F)是P-集合.P-集合具有显性、隐性特征,但显性、隐性概念具有相对性.把内P-信息显性、隐性概念拓展,对内P-隐性信息进一步研究:给出了内P-隐性、显性信息等概念,给出了内P-隐性信息的度量、特征、分离定理;最后给出内P-隐性信息在动态信息分离中的应用;隐性特征是P-集合的重要特征之一.     

F-残缺数据的辨识与恢复

利用P-集合结构中的内P-集合与F-元素删除集合,给出声．残缺数据的概念,它是由（x）F与（x）-构成的一个数据对（（x）F,（x）-）。由F-残缺数据,给出F-残缺数据的生成与豇残缺度。利用这些结果,给出F-残缺数据的关系定理,F-残缺度定理,F-残缺数据的辨识定理,F-残缺数据的恢复定理,并给出F-残缺数据的应用。     

Improved area-difference-based recovery information placement

<正> In mobile computing systems,message logging can be used to provide fault tolerance for mobilehosts.Due to the mobility of mobile hosts,their recovery information,including logged messages andcheckpoints,may spread throughout mobile support stations.During recovery,there will be a considerablecost for the collection of recovery information.To speed up recovery and to reduce the failure-freeoverhead,an improved area-difference-based scheme is proposed.It tries to keep recovery informationevenly spreading over an area.Only part of recovery information needs to be migrated for controlling thedistribution of recovery information.To reduce the migration cost,a light-weight migration is also proposed.In the performance study,we give an analysis of the probability that the light-weight migrationtakes place.     

-F-残缺数据的辨识与恢复

利用P-集合结构中的内P-集合与^-F-元素删除集合,给出^-F-残缺数据的概念,它是由(x)^-F与(x)^-构成的一个数据对((x)^-F-,(x)-)。由F-残缺数据,给出^-F-残缺数据的生成与^-F-残缺度。利用这些结果,给出^-F-残缺数据的关系定理,^-F-残缺度定理,^-F-残缺数据的辨识定理,^-F-残缺数据的恢复定理,给出^-F-残缺数据的应用。     

外 P-推理信息恢复与属性潜藏特征

利用外P-集合与外P-推理,给出外P-信息恢复概念与外P-信息恢复特征,给出外P-信息恢复的外P-推理生成与它的属性潜藏,给出外P-信息恢复的信息元删除定理和依赖性定理,给出外P-推理信息恢复的属性潜藏定理与潜藏属性发现定理。     

一种基于综合信息的剪接位点识别方法

为提高剪接位点识别的精度,提出一种基于综合信息的剪接位点识别方法.通过分析供体位点与受体位点的剪接信号、剪接序列、位点附近序列的二级结构,以及剪接因子作用过程等特征,分别为供体位点与受体位点建立信号模型和序列模型;应用Vienna软件中的Mfold包预测每个剪接位点附近序列最稳定的二级结构,将传统的四字符核酸表转化为八字符核酸表,每个序列用八字符进行描述,用结合了结构信息的序列对信号模型和序列模型进行训练学习;最后用训练好的模型进行剪接位点的识别.实验结果证明:该方法对剪接位点的识别取得了很好的效果,其识别精度可达95%以上.     

基于灰度图像信息的三维形状重建

分析了现行的灰度图像重建三维表面的技术,讨论了影响表面重建精度的因素,并介绍了其关键技术以及发展趋势,从而形成一个基于图像信息的反向工程新方法.     

基于数据挖掘的瓦斯信息识别与决策

针对煤矿瓦斯状态监测的特点,提出了利用数据挖掘和信息融合相结合的方法进行瓦斯信息的识别和决策.在信息融合的特征层,数据挖掘技术利用具有自学习能力的BP神经网络建立瓦斯信息识别模型,网络输出结果作为识别结果建立特征数据库.在信息融合决策层,利用D-S证据理论对识别结果进行时间域和空间域的融合决策,对井下瓦斯状态做出判断和决策.实验结果表明,该方法可提高瓦斯监测信息的精确性和决策的正确性,提高了煤矿瓦斯监测系统的性能.     

基于灾难预测的信息系统灾难自恢复设计方案

针对近年灾难多发以及信息系统在应对突发灾难时的滞后性、低效性,费用的高昂性等特点,提出了一种基于灾难预测的信息系统自恢复方案。该方案实现了基于灾难特征值的预测以及灾难突发时的警报、控制;实现了基于服务序列号的日志记录;结合国务院应急预案,提出了一套处理灾难的流程;利用远程唤醒(WOL)等技术,实现无人值守的业务连续性的保障。该方案流程模块化,针对性强。经实例演练,证明其恢复性能佳,具有较高的可利用性。     

基于位置信息的车联网路由恢复方法

文章利用方向性天线的高空间复用度和高传输能力,提出了一种基于位置信息的车联网(Vehicular Ad Hoc Networks,VANETs)路由恢复方法。为了减少路由修复过程中因目标节点移动对路由修复造成的影响,该方法利用全球定位系统(Global Positioning System,GPS)定位装置提供的行车参数信息,对路由修复过程中目标节点的移动轨迹进行了预测,并对目标节点位置进行修正。仿真实验表明,该方法提高了路由修复成功率,降低了路由修复延迟和路由修复开销。