基于CouchDB的SPARQL查询引擎实现

传统的SPARQL查询引擎在处理查询时以三元组模式为基本单位做查询优化处理,在三元组模式较多时存在着过多的连接操作,开销比较大。文中基于文档数据库的存储和查询特点,提出一种利用主语分类的方式来存储RDF数据的方法,将不同的RDF三元组按主语分成不同的类,并存入文档数据库的文档中。在处理SPARQL查询时将三元组模式也按照主语分类,构成以主语相关块为单位的查询图,并提出一种基于属性相关性的选择度估计方法来优化查询执行计划。文中利用文档数据库CouchDB实现了新的SPARQL查询引擎,实验证明文中的方法能够提高SPARQL基本图模式查询的效率。     

多级安全数据库中推理控制功能的设计及实现

为在数据库安全增强工作中如何进行推理控制给出了一种较为完整的解决方案.     

聚类挖掘中隐私保护的几何数据转换方法

目前，尽管数据挖掘在许多领域都发挥了巨大的作用，但同时它也带来了一系列越来越值得重视的问题，如隐私的保护、信息的安全等。讨论了数据挖掘中的隐私保护问题，提出了一种几何数据转换方法，并将其用于聚类数据挖掘中的隐私保护。实验结果表明该方法可以较好地实现数据挖掘应用中的隐私保护。     

一种基于视图的多级安全模型

在现有安全模型的基础上设计了一个基于视图的多级安全模型,模型的最细粒度为属性元组级,其中元组级的控制粒度由隐藏视图来实现,给出了各种操作处理策略.模型适合于增强方式下,不修改其已有应用情况下增强数据库系统的安全性.     

统计数据库中保持隐私的数据扰动方法的研究

随着统计数据库的广泛应用和不断发展,统计数据库中隐私问题显得越来越重要.针对这方面问题,目前已经出现了许多不同的统计数据库的安全控制方法.数据扰动方法是其中一种相对较好的安全控制方法.它主要是通过添加一种噪音矢量对原数据进行修改,从而达到秘密数据保护的目的.主要综述了近年来出现的各种数据扰动方法,对它们各自的特点作了一定的比较分析.并对EGADP方法的思想从数学理论方面进行了推导验证,这点有助于开拓对数据扰动新方法研究的思路.最后就数据扰动方法的相关问题作了总结和展望.     

新的否定选择算法及其在疾病诊断中的应用

针对现有的否定选择算法存在检测率较低,检测器集合过大等问题,提出了一种结合非自体信息和二次移动的实值否定选择算法(NTMV-detector)。该算法基于训练集中的非自体和随机的方法生成候选检测器中心。二次移动的主要思路是:如果候选检测器中心与成熟检测器匹配,把它移出成熟检测器集;然后通过离候选检测器中心最近的两个自体来微调检测器的位置,确定检测器半径。实验证明,该方法可以有效地提高疾病诊断的诊断率,降低误诊率。     

一种传感器网络实时自适应数据抑制算法

传感器网络中能量至关重要.提出一个利用限定记忆迭代最小二乘法,基于AR(n)自回归模型的实时、自适应数据抑制算法.限定记忆迭代最小二乘法适合在传感器节点内存受限、计算能力有限的情况下完成AR(n)参数估计的任务.模拟实验表明,使用该算法可以很好地抑制感知数据传送到网外,减少了连续查询的约80%的网内通信量.     

星型模型的轮廓连接查询算法

轮廓查询在多标准决策中具有重要应用价值,对于单表轮廓查询已有大量研究,但在实际中,轮廓查询的属性很可能分布在多张表中。如果在多表连接之后进行轮廓查询,随着维度和元组数目的增加,计算代价会越来越大。为此,针对数据仓库中星型模型的数据特点,提出了三种此模型下的多表连接轮廓查询算法并对算法进行了实验比较分析。结果表明,此算法比先连接再做单表轮廓查询的算法更为有效,并且这三种算法在不同特点的数据集合下会表现出各自的优势。     

基于用户偏好的不确定数据阈值轮廓查询算法

不确定数据轮廓查询的研究主要是在假设每一维的属性都有确定的全序关系上进行的.在现实的应用中会出现属性的属性值优先级是不确定的,需要根据用户的偏好来定义属性值之间的优先级次序.而现有的不确定数据轮廓查询算法并不适用.先通过不确定数据预处理算法得到索引ObjectInstanceMap并构造基本偏好次序索引,再在用户偏好轮廓查询算法中利用这2个索引得到用户偏好次序下的轮廓集合.实验验证了算法的有效性.     

一种数据库入侵检测模型的研究*

提出了一种数据库入侵检测模型,利用该模型对数据库审计信息进行挖掘,以发现代表合法用户典型行为的用户轮廓。利用用户轮廓可以发现用户的误用行为。