非一致性数据库关键词非聚集约束查询与性能分析*

在分析非一致性数据库一致性查询方法的基础上,结合非聚集约束条件,以关键词为元数据,利用B-树与二叉树的原理,提出一种新的针对非一致性数据库的查询方法.通过节点分组访问、分层迭代查询的方法,不仅解决非一致性数据库约束条件难写的问题,而且容易组合选择查询条件,有助于提高查询的灵活性与准确性.     

基于.NET平台通用数据库组件的设计与实现

基于现实IT工程的需求,在研究国内通用数据库引擎的情况下,结合.NET自身开放性的特点,利用XML技术设计了一种基于.NET平台新的通用数据库组件访问方案,提供了一套跨平台快速访问多个数据库的统一接口,从而进一步扩充了.NET对数据进行操作的能力.利用该技术,不仅克服了.NET对单一数据库的操作,而且能够快速查找并定位数据接口的功能,优化对大量不同类型数据操作的性能,提高系统工作的效率.     

基于蚁群算法的XML概率查询策略与算法优化

针对XML数据半结构化的特点及概率查询理论,结合蚁群算法,提出添加杂交算子和更新信息素的方法,该方法不仅能动态选择数据查询方向,而且能避免无效查询,扩大数据查询范围,提高收缩效率。模拟测试证明了该方法能优化XML查询。     

融合粒子群与蚁群算法优化XML群体智能搜索

随着Web技术及其应用的快速发展,XML已经成为互联网上信息表示和数据交换的一个重要标准,其作用已深入到网络社区的每个角落;针对XML文档进行群体搜索的特点与不足,提出利用群智能算法的概率变换规则对其进行改进,首先采用路径离散化规则,结合XML半结构化的特点及概率知识,再融合粒子群算法与蚁群算法进行动态群体搜索,而群体自适应杂交、多次编码、迭代选择等不仅可以提高数据搜索的范围、精度和收敛的效率,而且可以避免早熟,降低算法的复杂度.仿真实验表明这种融合方法具有更好的查询效果.     

面向XML数据库的智能数据清洗策略

针对XML数据质量问题,通过引入贝叶斯学习方法与马尔可夫链概率转移策略建立XML数据清洗过程的元数据模型,根据综合清洗结构化数据中相似重复记录的思想,提出一种智能清洗XML数据的新方法。实验表明,与其他方法比较,该方法不仅自动化程度较高,降低人工参与的程度,而且精确率和查全率提升了2%~5%。     

基于非一致性数据库的概率查询策略与算法

完整性约束是保证关系型数据库中数据确定性的重要条件,现实中存在大量不确定、不满足完整约束条件,但仍具有使用价值。结合概率数据库理论,提出了一种新的针对非一致性数据库的查询策略,利用并、交、差、选择、投影、连接等约束方法,对非一致性数据进行修复,四元组概率计算方法和概率查询重写技术弥补了非一致性数据库查询的不足,减少了数据冲突的发生机率。