Native XML 数据库及其应用研究

本文概述了Native XML数据库研究与发展的现状，详细叙述了Native XML数据库的基本概念、设计思路及技术特点。文中对Native XML数据库的应用领域进行了分析，并且以SQL／XML-IMDB数据库为例，介绍了Native XML数据库的功能与应用。     

人工智能与数据库技术结合研究

人工智能与数据库技术是计算机科学的两大重要领域，越来越多的研究成果表明，这两种技术的相互渗透将会给计算机应用带来更广阔的前景，本文简要讨论了人工智能与数据库技术结合的必要性和重要性及其结合研究的发展概况，分析了数据库与知识库的异同，介绍了人工智能与数据库技术的结合策略和目前的研究领域，给出了一个基于框架的耦合知识系统模型FBC。     

知识库系统及其研究现状

一、引言数据库技术自出现以来一直以惊人的速度发展。它在商业应用中的成功奠定了其重要地位。七十年代后期,人们已不满足于对关系数据库的研究,很多学者试图从逻辑的观点出发,以数理逻辑作为理论基础来研究数据库。这一尝试导致了八十年代前半期演绎数据库的迅速发展。这一时期的研究成果为新一代数据库技术的研究和发展铺设了一条道路。几乎是在数据库技术取得交口赞誉的同时,人们就已注意到了这些传统技术的局限     

基于SDE的数据库应用研究

空间数据引擎是实现空间数据库的核心，以空间数据引擎的标准与功能为分析起点，以其空间数据存储模型，图层管理为分析重点，并结合数据库管理系统与客户端应用程序，对空间数据库技术的理论体系进行了较为全面的论述。通过在“重庆市土壤信息系统”中的实现与应用，证明了空间数据库技术在土壤信息系统中运用的可行性。     

Oracle工程数据库中的面向对象设计技术

数据库技术在工程领域的应用越来越广泛。同传统数据库比较，对工程数据库则有许多新的要求，如能够完成强大的建模能力和高效的面向对象的处理能力，能满足网络化和实时分布式处理能力。结合面向对象技术的关系数据库是对传统事务处理数据库的扩展，利用面向对象技术建立数据库的模型。可以在满足工程数据库的要求基础上减少创建应用的过程，是下一代数据库的一个研究方向。以主流数据库Oracle 8i为主，讨论了面向对象的技术特点，最后以实际工程数据库的对象建模为例作了阐述。     

《自动化应用》稿约

《自动化应用》（半月刊）创刊于1960年，是由重庆西南信息有限公司（原科技部西南信息中心）主管、主办的自动化技术综合类期刊，中国知网、万方、维普数据库全文收录期刊。本刊以新颖、实用、通俗、操作性强为办刊原则，向从事自动化研究与应用工作的技术人员和管理人员传播研究成果、技术知识、应用经验以及产品信息。     

《自动化应用》稿约

《自动化应用》（半月刊）创刊于1960年，是由重庆西南信息有限公司（原科技部西南信息中心）主管、主办的自动化技术综合类期刊，中国知网、万方、维普数据库全文收录期刊。本刊以新颖、实用、通俗、操作性强为办刊原则，向从事自动化研究与应用工作的技术人员和管理人员传播研究成果、技术知识、应用经验以及产品信息。     

人口数据库智能应用的实例研究

本文首先分析了商用DBMS的局限性，然后以计算机人口管理数据库应用为实例，探讨数据库智能应用的技术与方法。     

面向数据库应用的隐私保护问题概述

伴随着计算机网络技术与无线通信技术的蓬勃发展,包括数据挖掘以及数据发布在内的多种数据库关联性应用功能的构建及发展成为了相关工作人员作为关注的问题之一。在当前技术条件支持之下,如何以数据库应用为中心,针对数据库系统所涉及到的各类隐私数据进行系统保护并防止数据库系统中的敏感信息发生外泄,是相关工作人员应当研究的重点。我们清楚的认识到:现阶段能够充分发挥数据库隐私保护职能的技术方针可以分为以下几大部分—1.数据失真技术;2.数据加密技术;3.限制保护技术。以上三种面向数据库应用隐私保护技术方针最大的优势在于其在确保隐私保护职能发挥的同时兼顾了整个数据库系统的正常、稳定运行,这一点需要我们加以认同与肯定。本文依据这一实际情况,以新时期面向数据库应用的隐私保护问题为研究对象,从隐私保护研究方向及研究现状分析、隐私保护技术分类分析以及面向数据库应用的隐私保护技术分析这三个方面入手,对其进行了较为详细的分析与阐述,并据此论证了做好数据库隐私保护工作在进一步提升数据库应用质量与应用效率的过程中所起到的至关重要的作用与意义。     

JAVA在WEB数据库中间件中的应用

随着世界范围内INTERNET的深入应用,全球进入一个以网络为中心的分布式计算时代。WEB系统和数据库已成为网络化信息服务的基础,基于WWW的信息交流与共享对企业分布式数据库系统提出了新需求。该文在分析数据库中间件的基础上,重点描述了一种基于JAVA中间件技术的数据库访问模型,最后说明了如何实现WEB环境下对分布式异构数据库的透明访问。     

基于Rough集的数据挖掘模型研究

这项工作的主要目的是表明怎样能够有效地实现基于Rough集的数据挖掘技术,在这篇论文里,我们详细讨论了Rough集理论,为了从基于Rough集的数据库中发现新的规则,研究了一种适合数据挖掘的面向对象的软件系结构,给出了数据挖掘算法、规则发现算法和规则约简算法,从初始数据库的信息出发,依次建造差别矩阵、约简表和规则表,最后给出了一个模拟实例,表明我们的模型和算法是可行的。     

数据交换与共享技术在交通行业数据资源整合中的应用研究

从交通行业信息化的实际需求出发,论述了分布式异构数据环境下不同数据业务节点间的信息交互与数据共享平台构建方案,从整体设计思路、系统逻辑结构和工作机制三个方面对该数据交换与共享平台作了详述,探讨了分布式异源数据访问、数据整合与集成、数据同步复制乃至分布式协同工作等各类场景下的工作实现机制.并以此应用于交通行业数据资源整合平台环境中,产生了分布式应用间的调用规范、分布式数据源的接入规范、数据传递的格式规范等自主设计的技术成果.上述成果已应用于浙江交通数据中心的建设中,并作为交通部信息化示范工程的核心组成部分,在交通数据资源整合应用中取得实际成效.     

Applications of machine learning to BIM: A systematic literature review

As Building Information Modeling (BIM) workflows are becoming very relevant for the different stages of the project’s lifecycle, more data is produced and managed across it. The information and data accumulated in BIM-based projects present an opportunity for analysis and extraction of project knowledge from the inception to the operation phase. In other industries, Machine Learning (ML) has been demonstrated to be an effective approach to automate processes and extract useful insights from different types and sources of data. The rapid development of ML applications, the growing generation of BIM-related data in projects, and the different needs for use of this data present serious challenges to adopt and effectively apply ML techniques to BIM-based projects in the Architecture, Engineering, Construction and Operations (AECO) industry. While research on the use of BIM data through ML has increased in the past decade, it is still in a nascent stage. In order to asses where the industry stands today, this paper carries out a systematic literature review (SLR) identifying and summarizing common emerging areas of application and utilization of ML within the context of BIM-generated data. Moreover, the paper identifies research gaps and trends. Based on the observed limitations, prominent future research directions are suggested, focusing on information architecture and data, applications scalability, and human information interactions.     

DM异构数据源集成系统中的数据模型及查询语言

在很多的实际应用中需要集成地访问异构的数据源,而异构数据源的数据结构模式未知且不固定。为此,为了解决上述问题我们在DM异构数据源集成系统中设计了一种针对半结构化数据的自描述的数据模型SSDM（SemiStructured Data Model),并在此基础上构造了查询语言SDQL（SemiStructured Data Query language)和针对不同数据源的捆绑器,从而很好地解决了这个问题。     

计算数据流上的小波密度估计

许多科学和商业应用需要对瞬时数据流做立即分析，许多分析技术的核心操作是使用密度估计寻找未知的连续数据分布，近期的研究证明基于小波的方法优于传统的密度估计技术。由于计算资源的限制，基于小波的方法无法直接用于无限的数据流。提出一种数据流上计算概率阈值小波密度估计的新方法，只需要确定数量的内存，能以在线的方式更新估计，实验证明了方法的有效性。     

流数据管理系统

流数据管理系统的研究已成为当前数据库领域研究的共识。本文详细论述了流数据管理系统的基本概念、流数据模型和查询语义、流数据查询算法，并提出了流数据管理系统研究中许多重要问题的未来研究方向。     

数据可视化在数据挖掘中的应用

数据挖掘是从大量历史数据中抽取潜在的、有价值的知识或规则的过程。数据可视化对于快速分析数据，表示高维数据方面非常直观、有效。本文首先讨论了几种可视化技术，随后就数据可视化在数据挖掘的模型、过程中的应用进行探讨。     

战场警觉及数据分发系统研究

战场警觉及数据分发系统是当前英、美等国着重发展的军事课题。主要研究了战场警觉及数据分发系统的特点，探讨了处于计算机领域前沿的本体论方法和多代理技术的基础理论，着重研究了以FIPAMAS理论体系为基础的战场警觉及数据分发系统的领域本体建设问题。并构建了一个基于本体论方法和FIPAMAS技术的具有智能化的战场警觉及数据分发原型系统。     

Soft computing applications in customer segmentation: State-of-art review and critique

Segmentation has been taken immense attention and has extensively been used in strategic marketing. Vast majority of the research in this area focuses on the usage or development of different techniques. By means of the internet and database technologies, huge amount of data about markets and customers has now become available to be exploited and this enables researchers and practitioners to make use of sophisticated data analysis techniques apart from the traditional multivariate statistical tools. These sophisticated techniques are a family of either data mining or machine learning research. Recent research shows a tendency towards the usage of them into different business and marketing problems, particularly in segmentation. Soft computing, as a family of data mining techniques, has been recently started to be exploited in the area of segmentation and it stands out as a potential area that may be able to shape the future of segmentation research. In this article, the current applications of soft computing techniques in segmentation problem are reviewed based on certain critical factors including the ones related to the segmentation effectiveness that every segmentation study should take into account. The critical analysis of 42 empirical studies reveals that the usage of soft computing in segmentation problem is still in its early stages and the ability of these studies to generate knowledge may not be sufficient. Given these findings, it can be suggested that there is more to dig for in order to obtain more managerially interpretable and acceptable results in further studies. Also, recommendations are made for other potentials of soft computing in segmentation research.     

Performance based analysis between k-Means and Fuzzy C-Means clustering algorithms for connection oriented telecommunication data

Data mining is the process of discovering meaningful new correlation, patterns and trends by sifting through large amounts of data, using pattern recognition technologies as well as statistical and mathematical techniques. Cluster analysis is often used as one of the major data analysis technique widely applied for many practical applications in emerging areas of data mining. Two of the most delegated, partition based clustering algorithms namely k-Means and Fuzzy C-Means are analyzed in this research work. These algorithms are implemented by means of practical approach to analyze its performance, based on their computational time. The telecommunication data is the source data for this analysis. The connection oriented broad band data is used to find the performance of the chosen algorithms. The distance (Euclidian distance) between the server locations and their connections are rearranged after processing the data. The computational complexity (execution time) of each algorithm is analyzed and the results are compared with one another. By comparing the result of this practical approach, it was found that the results obtained are more accurate, easy to understand and above all the time taken to process the data was substantially high in Fuzzy C-Means algorithm than the k-Means.