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.     

和与积数迷的符号化模型检测

和与积是一个著名的数迷问题.采用公告逻辑对该问题进行建模,将其Kripke模型符号化表示为多智能体有限状态程序,并在其上采用一种基于局部命题解释系统语义的知识逻辑符号化模型检测算法计算该问题的所有解.在时态逻辑模型检测器NuSMV基础上扩展实现了本文算法,然后在相同实验平台上用动态认知建模工具DEMO对该问题进行求解.实验表明,我们的算法不仅结果正确,而且在运行效率上与DEMO相比占有绝对优势.     

双时态XML查询中now语义失真的研究与扩展

本文研究如何有效地查询基于"单属性表示时态信息"的XML文档的时态信息操作,并选择XML功能较为强大的查询语言XQuery进行时态查询扩展.文中先计论如何解决时态数据库中特殊元素now的语义失真的问题,然后对XQuery进行双时态扩展,最后给出扩展后的查询实例.     

一类相邻时态关联规则的知识发现问题

本文研究了一类新的知识发现问题即基于时态约束的相邻时态关联问题,首先我们引进了时间的时态型、基时态型等概念及其性质,然后我们给出了有限个属性在时态型的基础上描绘不同状态的时态事件空间,从而定义了事件之间的时态关联规则,由此导出了1种具有一定意义的相邻时态关联规则.这种相邻时态关联规则可以用于商品销售、股票价格等问题的知识发现和短期的预决策,最后讨论了在2个时态型下的相邻时态关联规则的算法主要步骤,并给出了实例的分析.     

基于时态逻辑的UML交互模型检测研究

该文详细介绍了统一建模语言和模型检测技术,在此基础上,该文研究了基于交互自动机和时态逻辑的UML交互模型性质检测方法,提出了模型检测所需的Marking算法。该算法通过对交互自动机全部状态的遍历,检测各状态的时态逻辑公式(CTL公式)的真值,以判断用户设计的UML交互模型是否符合计算机软件系统应满足的性质及规范。     

时空数据库索引方法研究

时空数据库作为数据库研究领域中的一个重要分支,经过近十年的发展,在时空数据模型、时空查询优化与索引和时空本体论等方面取得了许多成果。现实世界中的许多实体都具有空间特性和时态特性,需要数据库管理系统提供有效的时空数据管理能力,如地籍管理系统中的地块、交通管理系统中的车辆等。时空数据库用于管理形状和位置随时问变化的对象。为了快速访问其庞大的数据量,必须建立有效的时空索引以提高各类时空查询的效率。提出了一种新的时空索引方法（瓣索引）,它综合了快照和事件这两种时空信息建模方法。不仅能够处理时间片查询和时间段查询,而且能够进行事件查询。SEST索引使用R-tree结构来存储快照,用一种日志数据结构来存储发生在两次相邻快照之间的事件。通过实验对比SEST索引和HR—tree,结果表明：当变化频率在1％到13％之间时,SEST索引比HR—tree需要的存储空间少;当变化频率在1％到7％之间时,在时间段查询方面,SEST索引比HR—tree要好。因为SEST索引是一种面向事件的结构,所以事件查询时效率很高。     

基于时态逻辑的硬件设计形式化验证技术——模型检验

通过对时态逻辑的研究来探讨时态逻辑在硬件设计形式化验证上的应用,同时对布尔函数在计算机内的表示二叉判定图（BDD）进行了进一步地分析,最后给出了一个时态逻辑对硬件设计进行验证的例子。     

分布式多空间数据库复杂时态数据提取技术

由于时态数据的处理过程中存在数据片面性的问题,加之其历史复杂性,如果依然采用传统的方法不能对时态数据予以完全描述,而相似性训练算法也无法对动态复杂的时态数据予以准确匹配,导致提取效果不佳,所提取的数据存在误差。由于这种提取方法精确度不高,就需要采用新的方式,分布式多空间数据库复杂时态数据提取技术可以获得良好的效果。健康动态化的径向基神经网络设计出来,采用建模的方法对分布式多空间数据库中所产生的未知动态予以分析、进行辨识,将模型建立起来,对时态数据进行描述。对于所获得结果采用加权的方法进行处理。输入方式复杂时态数据序列,输出方式加权时态关联规则,都采用描述的方法体现出来,运用大数据挖掘技术将有价值的信息提取出来。通过向量计算,得到加权时态频繁项1项集和2项集,并以加权时态频繁项集作为依据将初始频繁项集树建立起来;根据初始频繁项集树就可以得到所有的时态频繁项集;根据运用频繁项集就可以促使加权时态关联规则生成。从所有关联规则中选择规则的时候,要考虑到优先级,构建提取装置,对复杂时态数据有效提取,即便时态数据比较复杂,也可以提取。根据实验所获得的结果明确,这种方法操作比较简单,所提取结果更有较高的精确度,而且全面可靠。本论文着重于研究分布式多空间数据库复杂时态数据提取技术。     

基于模式和数据并发更新的视图维护机制

在数据仓库的实化视图维护处理中，如何有效地处理并发更新是一个重要而又棘手的问题．文中阐述了P2P环境下模式与数据全面并发的典型情形，分析了因并发更新而导致视图维护异常的原因，针对这些不同的方面提出相应的纠正策略．给出了一种基于时态演算的并发更新侦测方法，以及混合更新下对关联更新进行检测的有效算法，最后提出了解决乱序提交问题的增强代理机制，确保了数据仓库与数据源的一致性．