基于时态元素的知识表示模型

本文建立了一种基于时态元素的时态知识表示方法，它能描述不同粒度世界中事件的时态方面。     

时态GIS数据模型及其在隧道工程中的应用

建立了基于时态的多维、动态的GIS数据模型(简称时态GIS,TGIS),并直接应用于隧道工程的数字化施工.文中首先以厦门海底隧道工程为案例,阐述了时态数据的操作和处理过程以及表达时态属性数据变化的方法;其次建立了应用于隧道施工的时态GIS数据模型,并实现了基于时态数据库的查询和检索;最后利用三维可视化技术对模型进行了验证.研究结果表明时态GIS数据模型在隧道工程中的应用对隧道工程的数字化建设有重要意义.     

确保时态一致性的实时并发控制协议

实时控制系统通常需要维护大量的时态数据对象,这些时态数据对象是现实世界不断变化的物理环境的逻辑表示.应用事务通过对时态数据对象的访问来产生最终的控制活动.在实际应用中,实时控制系统不仅需要确保事务能在规定的期限内完成,也需要保证事务存取的是时态一致性的数据对象.传统的实时并发控制协议强调事务截止期的满足,而忽略了事务对其所存取数据对象有时态一致性需求.本文首先给出了数据和事务时态一致性的形式化定义,在此基础上,提出了一种新的能确保时态一致性的实时并发控制协议:时态一致性高优先级两段锁协议(TCHP-2PL).为了实现更好的实时性能,我们对TCHP-2PL进行了改进,通过引入相似性概念,提出了TCHP-2PL的改进版本:STCHP-2PL.性能测试结果显示,STCHP-2PL在确保时态一致性的同时仍能保证很好的实时性能.     

双层查询模式时态GIS的构建

时态GIS的研究是当前GIS研究的热点之一,但是传统时态GIS历史数据和当前数据分别存储,查询分析繁琐复杂。本文结合空间数据库技术,分析历史数据和当前数据的特点,设计了一种双层查询模式可以方便的实现常见时空查询。     

时态神经网络模型及其在股票分类预测上应用

对具有时间属性的数据进行数据挖掘称为时态数据挖掘，用以发现数据在时间上的知识，当数据变化不规律时，如股票交易数据,就很难发现有价值的规律与规则。而神经网络具有并行、容错、可以硬件实现以及自我学习的优点,可作为股票分类预测应用的一种方法。通过将股票数据与时态型相结合，将股票数据转换成时态型股票数据，提出时态神经网络模型的分类方法，对收集的若干上市公司十年内的股票数据进行分析，构建了时态股票数据神经网络分类器对股票进行分类预测。经过实验验证，相比改进前的神经网络和支持向量机方法，该分类器具有更高的分类准确率。结果证明，这种时态数据神经网络模型对于多只股票的分类预测是非常有效的，可以很好地运用到股票市场的分类预测中。     

面向完美回忆的时态认知逻辑

传统时态认知逻辑对完美回忆的刻画是狭隘的,并不能完整表达主体记得自己先前的认知状态.新系统S5tCt将认知与时态融合进同一个算子中,个体知识、普遍知识和公共知识都被时间点所标注.S5tCt系统从技术上实现了每个个体（群体）都可以完美回忆自己在之前所有时刻上的认知状态.利用典范模型技术可以证明,S5tCt系统在等价且单调递减的框架类上是完全的.     

基于时态测试器的实时分支时态逻辑模型检测

基于自动机理论的模型检测技术在形式化验证领域处于核心地位, 然而传统自动机在时态算子上不具备可组合性, 导致各种时态逻辑的模型检测算法不能有机整合.本文为了实现集成限界时态算子的实时分支时态逻辑RTCTL*的高效模型检测, 提出一种RTCTL*正时态测试器构造方法, 以及相关符号化模型检测算法.证明了所提出的RTCTL*正时态测试器构造方法是完备的.也证明了该算法时间复杂度与被验证系统呈线性关系, 与公式长度呈指数关系.我们基于JavaBDD软件包成功开发了该算法的模型检测工具MCTK 2.0.0.我们完成了MCTK与著名的符号化模型检测工具nuXmv之间的实验对比分析工作, 结果表明MCTK虽然在内存消耗上要多于nuXmv, 但是MCTK的时间复杂度双指数级小于nuXmv, 使得利用MCTK验证大规模系统的实时时态性质成为可能.     

偏序时态模式下规范覆盖问题*

目前有效的多时间粒度时态数据库设计方法多针对全序时态模式,当时态模式的时态类型集为偏序集时,由于涉及时态类型间的最大下界等操作而使其难以实现。针对偏序时态模式的规范覆盖问题进行研究,提出了偏序TFD（时态函数依赖）集有限闭包、偏序模式属性集有限闭包、偏序无冗余覆盖和偏序规范TFD集等概念,解决了偏序TFD成员籍问题;并给出了偏序TFD集的规范覆盖算法,对其正确性进行了证明,对算法的时间复杂度进行了分析。为偏序时态模式的综合范式分解问题研究奠定基础。