智能主体的信念认知时态子结构逻辑模型*

智能主体获取信念的途径主要有两种：一种为他省,通过外界交互,从其他主体获取信息;另一种为自省,通过自己的历史数据库获取相关知识。对于主体信念的描述与刻画,两种途径缺一不可,但当前的BDI理论模型中较多地为他省系统,没有做到两者相结合。其次,在当前的许多理论模型中,通常使用的是二值逻辑、经典模态逻辑或其变形系统,使得相应的逻辑系统普遍存在逻辑全知和粗精度刻画等问题。针对上述问题进行了相关研究,采用了认知时态子结构逻辑建模的方法,表达了智能主体获得“双省”信念的方式,针对其建立了相应的逻辑系统BSoET。     

偏序时态XML索引TempPartialIndex

时态数据管理是常规数据管理的深化和扩展,具有理论研究的意义与实践应用的价值.时态数据索引是时态数据管理的重要技术支撑,是其中的一个研究热点.首先,提出了一种时态数据结构,通过数据节点间的偏序关系,可将常规的二维时间区间的处理转化为基于偏序的时态等价类上的一维的处理,该数据结构可以快速有效地处理时态操作;其次,在该新型时态数据结构基础上研究了时态XML索引TempPartialIndex,其基本特征是将时态数据结构整合到非时态的XML索引中,即,将其整合到语义层之中,通过时态过滤和语义过滤掉大量节点之后,再进行结构连接;另外,着重讨论了基于TempPartialIndex“一次一集合”及其时态变量查询和增量式的动态更新机制.同时,仿真结果表明：TempPartialIndex能够有效地支持时态XML的各类查询及更新操作,技术上具有可行性和有效性.     

基于Agent的SIDSS协同工作模型研究

计算机支持的协同工作系统（CSCW）体现并符合当今信息时代人们工作的群体性,交互性,分布性和协同性等特点,因而日益受到人们的重视并广泛地应用到实际当中,协同工作是机关事业单位工资系统重要特性之一,本文分析了工资智能决策支持系统（SIDSS)的协同问题,提出了一种基于Agent的协同决策支持系统的协同工作模型,讨论了SIDSS协同 实现,并对模型提出前后的性能进行了比较。     

数据库学科研究型教学探讨

本文探讨数据库课程研究型教学过程中的一些重要问题。首先是教学理念的转变,这是教改的指导思想;其次是研究型教学师资建设;另外就是教学与科研项目有机结合,通过研究型教学提供科研的底层支撑,通过科研项目为研究能力培养和创新人格塑造提供机会：最后是讨论创建研究型教学的硬件和软件环境。     

多媒体层次模型的对象定义与事件演算

ＰＥＤＡ是我们提出的一种引入知识代理系统的多媒体应用系统的三层模型。本文主要讨论ＰＥＤＡ的对象定义层和事件演算层。     

集成式计算机协同工作(CSCW)支持环境的研究与实现

提出了一种构造集成式计算机支持的协同工作（ＣＳＣＷ）支持环境的解决方案,介绍了集成机制的原理、消息机制与挂接机制的结合和应用,以及ＣＳＣＷ支持环境的设计与实现技术．讨论了相关问题,提出并实现了改进方案．同时,也介绍了集成式ＣＳＣＷ支持环境与视频会议系统的结合．     

基于描述逻辑的模糊软集参数转换算法

通过应用模糊描述逻辑FALC (fuzzy attribute language and complement)表示问题领域和模糊软集参数知识,丰富模糊软集参数的语义;利用描述逻辑的推理能力,通过设计模糊软集转化算法,将原始模糊软集转化为符合查询决策参数语义的模糊软集,提高了模糊软集决策支持能力.     

基于Internet/Intranet的COM支持的通用考试(练习)系统的设计与实现

在用OMT技术实现通用考试(练习)系统建模的基础上,介绍了本系统构建的基于COM、Browser/Server与Client/Server并用的Web数据库体系结构、系统的基本功能以及系统实现的关键技术。     

基于角色和任务的CSCW系统访问控制技术研究

针对现有方法不能很好地满足CSCW系统对访问控制的需求,提出基于角色和任务的CSCW系统访问控制模型RTBAC(Role and Task-Based Access Model).该模型形式化地描述了用户、角色、任务、权限、工作流等要素及其相互间的关系,通过分配和取消角色来完成对用户权限的授予和取消,并提供了角色间偏序继承和指派关系定义,通过引入任务概念、任务类型划分及角色和任务之间的关系定义,实现了依据任务和任务状态不同对权限进行动态管理.该模型是针对CSCW系统多用户、动态、协作等特性提出的,能较好地满足CSCW系统对访问控制的需求.     

利用单词超团的二分图文本聚类算法

鉴于目前传统文本聚类方法中利用文档间的相似度进行聚类存在的问题,在传统的文本挖掘基础上提出了一种新的文本聚类算法——利用单词超团的二分图文本聚类算法。该算法用文档中单词的关联模式来评估文档间的相似度及主题类别预测,并利用图划分策略来大大降低文档相似度比较算法的复杂度,同时将超团作为特征结构的扩展,可以在一定范围内减少语言信息的丢失,提高聚类效果。经实验证明该算法具有较高的有效性。