视图增量的同步计算方法

为有效降低视图增量计算的代价,提出了净化操作和主外码约束的优化同步计算方法.数据源基表的更新操作可能对同一元组多次反复的修改,而在视图增量的维护中并不需要反映基表的整个更新过程,而只是维护某个时间的状态一致,因而利用净化操作减少了计算的数据量.数据源基表间的主外码约束使得部分增量子查询的结果为空,减少这样的增量子查询提高了计算的效率.实验分析表明优化后的同步计算方法有效地降低了计算和维护代价.     

粗集理论中的容错关系及其构造方法

粗集理论（Rough Sets Theory,RST）在许多领域已得到成功的应用,它在处理不完全、不精确、不确定性智能信息问题中表现出优秀品质。然而在标准RST理论中存在有局限性,比如对等价关系的定义使得知识约简相对复杂化。论文提出了基于RST的容错粗集的概念,给出了容错粗集上的性质,使得在进行知识约简时无需进行量化。从而大大提高了知识发现的效率。     

基于基库的多实化视图增量维护算法

基于基库的多实化视图维护将基库集作为多个实化视图的辅助视图集保存在集成端。当信息源发生变化时,基库随着更新,同时触发多实化视图的更新与维护。在保存基库的情况下,多实化视图的维护无需访问信息源就可完成,是多实化视图的自维护方式。     

基于关联规则与遗传算法的蛋白质二级结构预测

文章通过建立蛋白质二级结构预测的数学模型,运用挖掘与遗传算法相结合的关联规则技术对蛋白质二级结构进行预测,设计并实现了该原型系统。实验表明,该文所采用的基于蛋白质氨基酸疏水性周期规律的预测模型方法较其它相关的二级结构预测方法有较好的准确性、有效性与可行性。     

一个基于数据挖掘的环境质量预测系统

环境问题愈来愈受到人们的重视，现在积累了大量空气污染数据为空气质量日报预报提供了坚实的基础。大气环境预测系统Atosphere Environment Forecast System(AEFS)是采用数据挖掘技术开发的一个环境质量预报系统。该系统主要运用了粗集理论和在线分析处理技术，取得了较好的效果。     

基于OLAP的Web日志挖掘的研究与探讨

运用数据仓库和OLAP技术对Web日志数据进行研究分析以便找到有用的知识。     

视图增量计算的延迟部分补偿算法

为解决异步传播算法中视图增量计算时间过长、占用系统资源过多及某些错误补偿问题,提出了在数据源上进行延迟部分补偿的算法.该算法要求获取数据源的基表增量时记下增量的事务时间,在实化视图层记录已用于视图增量计算的基表增量的最大事务提交时间.当计算实化视图新的增量时,比较同一个数据源在实化视图层上的记录时间与增量子查询的执行时间,如果这段时间基表产生新的增量,则进行补偿查询.补偿过程采用单个数据源上的时间进行比较,避免了全局时间问题,也解决了现有部分补偿算法可能产生的错误.该算法利用基表之间的主外码约束来减少计算次数,提高计算效率.分析和实验表明,该算法在计算效率和正确性方面都有所提高.     

基于容错粗集理论的知识约简

粗集理论(RoughSetsTheory,RST)在处理不完全、不精确、不确定性智能信息问题等许多领域已取得成功的应用。然而RST理论还存在某些局限性,比如对等价关系的定义使得知识约简相对复杂化。该文提出利用容错粗集犤1犦RST的概念,建立属性值之间的容错关系,用容错关系对对象进行分类。该方法首先采用遗传算法求出属性阈值的最优组合,然后分别建立属性和对象的特殊矩阵,最后求出属性的相对约简和对象的相对商集。采用容错粗集进行知识约简减少了量化的过程,从而提高知识约简的有效性。该文最后提供了一个实例表明该方法是可行的。     

数据流窗口语义及查询引擎的实现

数据流窗口主要采用了基于时间、元组和分组的3种驱动形式,如果仅采用一种驱动形式难以正确表达数据流查询语义,因此,针对数据流查询语义的不完备性,从窗口的查询级、数据级和系统级定义了一个完整的窗口语义框架来解决语义差异,并提出了基于主存数据库的分组窗口驱动的实现,最后通过实验验证了该方法.     

基于数据流的滑动窗口机制的研究

传统的关系数据库是在持久稳定的数据集合上进行数据查询,而数据流的长度是无界的,不可能将所有的数据存储下来,因此对数据流的查询处理大多采用了持续查询。对数据流进行持续查询时,往往感兴趣的不是所有的数据而是最近到达的部分数据,这样就引入滑动窗口模型。定义滑动窗口语义是数据流管理系统中一个非常基础性的工作,直接关系到数据流的存储和查询的执行效率。针对滑动窗口的模型和语义进行了研究。