基于函数依赖的结构匹配方法

模式匹配是模式集成、数据仓库、电子商务以及语义查询等领域中的一个基础问题,近来已经成为研究的热点,并取得了丰硕的成果.这些成果主要利用元素(典型的为关系模式中的属性)自身的信息来挖掘元素语义,目前,这方面的研究已经相当成熟.结构信息作为模式中一种重要的信息,能够为提高模式匹配的精确性提供有用的支持,但是目前关于如何利用结构信息提高模式匹配的精确性的研究还很少.将模式元素之间的相似度分为语义相似度(根据元素自身信息得到的相似度)和结构相似度(根据元素之间的关联关系得到的相似度),并采用新的统计方法计算元素间的结构相似度,然后再综合考虑语义相似度得到元素间的相似概率;最后根据相似概率得到模式元素间的映射关系(模式元素之间的对应关系).实验结果表明,该算法在查准率、查全率及全面性等方面都优于已有的其他算法.     

基于知识的部分匹配方法研究

针对Super提出的基于知识的部分匹配方法中,直接以坐标值描述部分轮廓的方法容易受形变或扭曲等干扰因素的影响,基于SIFT描述思想提出了一种新的BSIFT轮廓描述子,用于改进Super的坐标值描述方法。首先介绍了基于知识的部分匹配方法的基本思想、特点及实现过程;然后详细阐述了BSIFT描述子的构建方法;最后,通过实验验证了该方法具有更好的鲁棒性,部分匹配的准确度更高,匹配的部分轮廓更有意义。     

基于函数依赖的模式分解方法

模式分解是关系数据库逻辑设计中的难点,本文基于多年数据库系统设计和教学的经验,提出了基于函数依赖的方便可行的模式分解方法。     

JAVA蓝图模式的结构匹配

在Java蓝图开发时,挖掘出一些常用的过程模式、算法模式等,这些模式可能在开发中会经常用到,所以,将发掘出来的模式存储到模型库中。在用Java蓝图进行建模时,对未知的模型与模型库中的已有模式进行匹配,若匹配成功,则用已有模式替换模型中的匹配部分,可以达到简化模型的效果。Java蓝图的模式匹配包含结构匹配、参数匹配、语义匹配三部分。结构匹配是参数匹配和语义匹配的前提和基础,本文主要研究基于Java蓝图模式的结构匹配。     

基于近似函数依赖的关系数据属性权重评估方法

在现实应用中,一些关系数据的规范化程度不高,往往存在数据冗余和不一致现象。为了有效评估此类数据 中的属性重要程度,提出了一种基于近似函数依赖的属性权重评估方法。该方法基于一致集的概念导出最大集,生成 最小非平凡函数依赖集,从而找出属性之间的近似函数依赖关系,进而求出近似候选码和近似关键字,在此基础上根 据属性支持度计算属性权重。实验结果和分析表明,提出的属性权重评估方法能够合理地获取关系数据中的属性重 要程度,算法具有较好的稳定性和较高的执行效率。     

基于函数依赖图的关系模式规范化方法

在关系型数据库设计过程中。关系模式规范化是关系型数据库逻辑设计的重要步骤。按关系模式的范式定义进行规范化存在不便于操作,分解构成效率低。本文提出了一种以函数依赖图为基础的图示化关系模式规范化方法。实例说明,利用这种方法进行关系模式分解。具有分解过程直观和效率高等特点。     

基于树元组的XML函数依赖研究

与关系数据库一样,XML文档可能由于函数依赖而产生数据冗余或操作异常,在关系数据库中对于函数依赖的理论体系的研究已经比较完善,但对XML函数依赖的研究才刚刚起步.结合XML文档类型定义DTD进行探讨,提出基于树元组的XML函数依赖的概念,并结合Armstrong公理系统推导出函数依赖的推理规则集.     

XML的函数依赖

通过分析函数依赖的表现形式在XML文档和关系数据库中的不同之处，提出了基于DTD中的路径表达式的XML函数依赖的概念．它不仅能表达元素的属性和元素的值之间的函数依赖，而且也能表达元素之间的函数依赖．给出了关于XML函数依赖的一组推理规则集．     

一种基于部分已验证匹配关系的模式匹配模型

模式匹配是模式集成、语义WEB及电子商务等领域的重点及难点问题. 为了有效利用专家知识提高匹配质量, 提出了一种基于部分已验证匹配关系的模式匹配模型. 在该模型中, 首先,人工验证待匹配模式元素间的少量对应关系, 进而推理出当前任务下部分已知的匹配关系及单独匹配器的缺省权重; 然后,基于上述已收集到的先验知识对多种匹配器所生成的相似度矩阵进行合并及调整, 并在全局范围内进行优化; 最后,对优化矩阵的选择性进行评估, 从而为不同匹配任务推荐最合理的候选匹配生成方案. 实验结果表明, 部分已验证匹配关系的使用有助于模式匹配质量的提高.     

基于信息元的模式匹配方法

结构信息是模式匹配的重要辅助信息,当模式中出现多个自身信息相似的元素时,结构信息是正确区分其匹配关系最有效的依据,这在匹配大型模式时显得尤为重要.已有的研究成果对结构信息的使用存在信息不够准确、缺少有效的描述形式、处理耗时等缺点,极大地阻碍了结构信息的使用.为了充分利用结构信息,提出一种基于信息元的模式匹配方法(IU_Based),该方法首先将模式元素按照描述实体的不同划分为不同的信息元,然后计算信息元间的相似度并获取其匹配关系,最后在相互匹配的信息元之间选择元素匹配关系.实验结果表明,IU_Based方法能够有效地解决结构信息使用中的相关问题,提高匹配准确率.     

一种基于子串运算的模式匹配方法

本文的主要目的是找到一种通用的方法来解决模式匹配中的复杂匹配问题。文中描述了一种通过在数据库中搜索和匹配列的q-grams子串来找到一个源列和目标列间对应关系 的代数表达式,从而获得匹配结果的方法。该方法的优点是不需要再附加任何额外的用于匹配的信息就可以有效地找到模式中那些复杂的匹配,并且可以处理固定和可变长度类型的列。文章中使用了一个递归的算法来推论列的子串拼接的正确顺序,并结合一些例子介绍了这一算法,然后测试了算法的实际表现。     

基于结构信息相关的图像匹配方法研究

红外图像匹配的目的是采用某种图像相关技术,在实时图中搜索与参考模板相似的区域。提出了一种基于结构信息相关的匹配方法,该方法通过统计参考图与实时红外图结构相似性来进行匹配识别。实验表明,该方法比基于统计孤立点相关性的匹配方法具有更好匹配性能。     

XML函数依赖及其与键的关系

通过分析函数依赖的表现形式在XML文档和关系数据库中的不同之处，提出了基于DTD中的路径表达式的XML函数依赖的概念．并且给出了XML函数依赖的XML表示方法，研究了XML函数依赖和XML键的关系．     

基于复合结构的知识库分类体系匹配方法

近年来,分类体系匹配由于其在知识库构建和融合等方面的广泛应用,已成为国内外工业界和学术界的研究热点.然而,随着网络大数据的不断发展,分类体系变得越来越庞大和复杂,构造一种通用有效的分类体系匹配器以适应大规模、异构分类体系匹配的扩展性仍然面临很大的挑战.为此,提出了一种基于复合结构的分类体系匹配方法BiMWM,该方法利用分类体系中分类的复合结构信息：微观结构和宏观结构,将分类体系匹配问题转化为二部图上的优化问题进行求解.首先,创建赋权的二部图建模分类体系之间候选的匹配类对关系;然后,通过计算二部图上的最大权匹配剪枝选择最优的分类体系的匹配类对.BiMWM方法可以在多项式时间内为2个分类体系产生最优匹配.实验结果表明:与当前先进的基准方法相比,该方法能够有效提升大规模、异构分类体系匹配的性能.     

XML函数依赖及其推理规则

函数依赖在关系数据库和XML文档中都是一种重要的语义表达.通过分析函数依赖的表现形式 在XML文档和关系数据库中的不同之处,提出了基于DTD中的路径表达式的XML函数依赖的概 念.它不仅能表达元素的属性和元素的值之间的函数依赖,而且也能表达元素之间的函数依 赖.给出了关于XML函数依赖的一组完备的推理规则集,这对解决XML函数依赖的蕴含问题具 有重要的意义.