侯东风
- 作品数：16 被引量：60H指数：4
- 供职机构：国防科技大学更多>>
- 发文基金：国家自然科学基金更多>>
- 相关领域：自动化与计算机技术理学电子电信更多>>
- 数据流模式的数据管理关键技术研究
- 随着信息处理应用的发展,很多应用领域的数据更多呈现出“连续数据流”的形式而不是传统的静态存储结构形式。这些应用领域包括金融证券信息分析、网络传输监控、计算机网络安全、通信数据管理、Web应用,生产制造,传感器网络等等。这...
- 侯东风
- 关键词：数据流管理
- 数据立方体计算方法研究综述被引量：10
- 2008年
- 随着多维数据分析在各领域的广泛应用,基于数据立方体的计算方法受到大量研究者的关注。分析了影响数据立方体计算的各种因素,其中包括数据存储空间、查询处理效率和数据立方体的维护消耗,并且阐述了数据立方体的物化策略。分别从冰山立方体、紧凑数据立方体、高维数据立方体、近似计算、流式数据立方体等几个方面综述了国内外现有的计算方法,分析了各种方法的特点以及适用范围。
- 侯东风陆昌辉刘青宝张维明
- 关键词：数据立方体多维数据联机分析处理计算方法
- 流式数据多维模型
- 2009年
- 流式数据固有的动态性、无限性等特征给流式数据的多维建模与分析带来了巨大的挑战。基于流式数据的这些特征,提出了一种相应的流式数据多维模型。该模型通过时间维度中多层次时间窗口的定义,刻画了流式数据的动态性和无限性,并且对快照操作、持续操作以及动态维护等流式数据特有的操作形式进行了描述,从而为流式数据多维查询与分析奠定了理论基础。
- 侯东风陆昌辉刘青宝张维明
- 关键词：流式数据多维数据模型时间维度
- 计算物理系统网络拓扑模型研究被引量：2
- 2010年
- 计算物理系统是一个典型复杂系统,网络化是计算物理系统区别于以往智能系统的一个重要特性,构建网络拓扑模型成为研究计算物理系统的基础性问题.分析计算物理系统的工作信息流程以及系统网络化结构基础上,提出了感知、计算和控制3类功能节点模型,构建了以矩阵形式和立体形式表示的计算物理系统3重立体网络拓扑模型.智能交通案例表明,该模型能够清晰地描述计算物理系统的网络拓扑,为计算物理系统网络特性的分析提供基础,有利于计算物理系统抗毁性等特性以及演化规律的研究.
- 陈丽娜黄宏斌邓苏侯东风
- 关键词：网络拓扑模型复杂网络
- 计算物理系统网络拓扑模型研究
- 计算物理系统是一个典型复杂系统,网络化是计算物理系统区别于以往智能系统的一个重要特性,构建网络拓扑模型成为研究计算物理系统的基础性问题。本文在分析计算物理系统的工作信息流程以及系统网络化结构基础上,提出了感知、计算和控制...
- 陈丽娜黄宏斌邓苏侯东风
- 关键词：网络通信复杂网络网络架构拓扑模型
- 文献传递
- 流式数据多维建模与查询关键技术研究
- 近年来,随着流式数据应用的不断扩展,用户亟待在这些数据中发现不同维度视角、不同数据粒度层次的异常模式、兴趣模式、发展趋势等,为实时决策提供支持,流式数据多维建模与查询技术的研究正适应这一现实需求。流式数据具有不同于传统数...
- 侯东风
- 关键词：流式数据多维数据模型WEB日志分析
- 基于相关度的多数据流动态聚类算法
- 最近数据流的研究热点主要集中在数据流挖掘。针对多数据流提出基于相关度的多数据流聚类算法。
该算法运用基于密度的聚类思想解决多数据流的聚类问题，动态地更新类。算法的时间复杂度为O(nlogn)，聚类的结果明显优于...
- 金燕刘青宝侯东风
- 关键词：相关度多数据流动态聚类算法
- 基于相对密度的增量式聚类算法被引量：21
- 2006年
- 基于聚类的相对性原则:簇内对象具有较高的相似度,而簇间对象则相反,提出一种基于相对密度的增量式聚类算法,它继承了基于绝对密度聚类算法的抗噪声能力强、能发现任意形状簇等优点[1],并有效解决了聚类结果对参数设置过于敏感、参数值难以确定以及高密度簇完全被相连的低密度簇所包含等问题。同时,通过定义新增对象的影响集和种子集能够有效支持增量式聚类。
- 刘青宝侯东风邓苏张维明
- 关键词：增量式聚类K近邻相对密度
- 一种基于多时间粒度的数据流建模方法被引量：3
- 2006年
- 在很多领域中,越来越多的数据以数据流的形式存在于各种应用当中,这些数据的特点是实时的、连续的、时变的、快速的。由于这些特点,在数据处理方法上引入了很多挑战性问题。本文重点从多时间粒度的角度研究了数据流建模问题,提出了多时间粒度的数据流滑窗建模方法,采用层次窗口模型对数据流进行描述,有效解决了Ad-Hoc查询中的历史数据管理问题。
- 侯东风杨强邓苏
- 关键词：数据流模型多粒度滑窗
- 一种最小生成树聚类算法被引量：12
- 2009年
- 现有的聚类算法都不能在输入较少参数的情况下得到任意形状任意密度的类.提出一种最小生成树的聚类算法,该算法不但能解决上述问题,还能处理高维数据,发现异常点,且具有扩展性.针对该算法提出一个目标函数,该函数根据对象的类属情况和相似度统计信息来判别聚类效果的质量.最后,通过实验验证了该算法的聚类质量很好,目标函数具有良好的收敛性.
- 王小乐刘青宝陆昌辉侯东风
- 关键词：聚类相似度量最小生成树
