基于历史关系模型的时态过滤运算

提出一种新的时态过滤运算，阐述了基于历史关系模型的时态过滤操作，并结合实例予以说明。     

时态数据及其处理

本文根据时态数据的不同特性,结合现代学者对时态数据库的研究成果,就非时态DBMS中如何处理时态数据提出了几种实用处理方法。     

时态数据库初等关键字范式问题的研究

为了探索能避免存储异常(插入,删除,修改异常,冗余),保证数据的完整性和一致性的数据库模式,依据具有多时间粒度的时态函数依赖约束的理论,采用时态数据库规范化方法,提出了时态初等关键字范式的概念,并分析了时态初等关键字范式与时态三范式和时态BC范式之间存在的联系,得到了用TEKNF分解来解决如果把TBCNF作为最终目标,很难实现保持函数依赖性,若把T3NF作为最终目标,又很难实现想要得到的规范化要求的问题,是时态数据库进一步规范化的基础．     

基于概率的不确定时态信息的表示模型

时态信息表示和推理是时态数据库的研究重点之一,现实生活中很多时态信息是不确定的,现有的时态数据库模型在处理不确定时态信息方面仍存在较大困难.本文提出一种用概率的方法表示不确定时态信息的模型,用于描述各种具有确定或不确定时态信息的事件,定义了各类时态对象(如时间点、时间区间)以及它们之间的关系,并给出了不确定时态推理的例子.     

1NF模糊时态数据库数据模型

目的 建立INF(一范式)模糊时态数据库数据模型,以便能有效地表达复杂的模糊时态信息.方法 结合模糊时态序列和模糊集理论对Allen定义的时态区间进行模糊性扩展,建立模糊时态关系模型.基于该模型,对传统数据库及时态数据库的概念模型进行模糊时态约束扩展和数据的模糊化.提出模糊/时态关系代数映射及运算模型.结果 从理论上阐述了模糊时态数据模型,引入了模糊映射,把事件的模糊性投影到不确定的时态信息上.结论 该模型的建立在一定程度上解决了时态数据库不能处理模糊时态信息,丰富了时态数据库查询语言,从而增强了时态数据库模拟现实世界的能力.     

基于ATSQL2时间点与时间段时态操作扩充

以时态数据操作语言ATSQL2为基础,对其时间点与时间段查询运算操作存在的不足进行扩充。增加时间运算操作函数,完成不同时态逻辑时间段运算,不同时间粒度之间的转换和时间比较逻辑判断操作。结果表明,扩充后的时间运算操作,丰富了原有ATSQL2的查询操作语义,简化了复杂时态数据操作语句的书写,使时态查询操作更加高效、简便。     

不确定时态跨度的语义处理及其粗糙集近似计算

蕴含语义的不确定时态的表示及处理是不确定时态信息和自然语言处理领域中的重要问题,不确定时态跨度是不确定时态中的重要组成部分,而不确定的语义是造成时态跨度不确定性的根源.提出对不确定语义进行转换的思想,将其转换为邻域或区间的形式,成为可计算问题;进而从粒度层面对不确定时态跨度进行了有效刻画,给出了元组化的模型,使其可以参与运算;提出了时态粗糙集将时态跨度元素在离散状态下进行划分,采用下近似和上近似的思想划分了不确定时态跨度中的确定元素和不确定元素;并提出了不确定时态跨度的近似精确度计算方法.     

基于ATSQL2时间点与时间段时态操作扩充

以时态数据操作语言ATSQL2为基础,对其时间点与时间段查询运算操作存在的不足进行扩充。增加时间运算操作函数,完成不同时态逻辑时间段运算,不同时间粒度之间的转换和时间比较逻辑判断操作。结果表明,扩充后的时间运算操作,丰富了原有ATSQL2的查询操作语义,简化了复杂时态数据操作语句的书写,使时态查询操作更加高效、简便。     

时态数据挖掘的探讨

数据挖掘是指从大型数据库或数据集的数据中提取人们感兴趣的知识。在现实世界中,信息系统往往涉及到时态数据。本文试图数据挖掘和时态数据相结合来讨论时态数据挖掘的有关问题。首先简要讨论时间表达式的描述;然后提出有关时态模式和时态关联规则的若干定义;最后讨论时态数据挖掘语言(TDML)的描述并给出一个实例。     

时态因果诊断模型TCDM及其应用(I)——模型、分解、合成

通过将时态信息引入因果模型而构成时态因果诊断模型ＴＣＤＭ（ＴｅｍｐｏｒａｌＣａｕｓｅＤｉａｇｎｏｓｔｉｃＭｏｄｅｌ）。与此同时,给出了不确定性、子骨架以及关于ＴＣＤＭ的故障因果演变过程的概念,并通过对ＴＣＤＭ拓扑结构的分析提出了“分解－合成”原理。基于上述原理,提出了关于ＴＣＤＭ的“分解－合成”算子以及分解ＴＣＤＭ的策略。利用“分解－合成”算子可有效地分解或合成ＴＣＤＭ“子骨架”。而分解策略可将ＴＣＤＭ分解成若干相互关联的子模型,这些子模型有较好的结构。便于故障分离及分布式处理。还详细说明了因果模型分解、诊断问题求解、各子骨架部分解的合成等方法。     

A Real-time Data Model Based on Temporal Data

Real-time database systems contain not only transaction timing constraints, but also data timing constraints. This paper discusses the temporal characteristics of data in real-time databases and offers a definition of absolute and relative temporal consistency. In real-time database systems, it is often the case that the policies of transaction schedules only consider the deadline of real-time transactions, making it insufficient to ensure temporal correctness of transactions A policy is given by considering both the deadlines of transactions and the “data deadline” to schedule real-time transactions. A real-time relational data model and a real-time relational algebra based on the characteristics of temporal data are also proposed. In this model, the temporal data has not only corresponding values, but also validity intervals corresponding to the data values. At the same time, this model is able to keep historical data values. When validity interval of a relation is [NOW, NOW], real-time relational algebra will transform to traditional relational algebra.     

区间时序逻辑的模型检查

为了检验标注有限状态自动机描述的系统是否满足某个区间时序逻辑公式刻画的性质,定义了一套转换规则．利用这些规则,可以构造一个chop-自动机,该自动机接受的语言恰是所有满足这个区间时序逻辑公式的模型的集合．同时,定义了一套转换规则把一个chop-自动机转换为一个标注有限状态自动机,使得它们接受相同的原子命题序列集．这样,区间时序逻辑的模型检查问题就等价地转换成了很容易解决的两个标注有限状态自动机的语言包含问题．     

多速率混合系统的模型检查

研究了初始化的多速率混合系统的模型检查问题,即检验初始化的多速率自动机是否满足某个混合区间时序逻辑公式描述的性质．首先定义了一套转换规则把混合区间时序逻辑公式转化为区间时序逻辑公式．接着定义了初始化的多速率自动机状态空间上的等价关系及其对应的域自动机,并且通过构造域自动机对应的标注有限状态自动机,把初始化的多速率混合系统的模型检查问题等价地转换成了可解的区间时序逻辑的模型检查问题．利用区间时序逻辑的模型检查算法加上上述的转换规则,就可以解决初始化的多速率混合系统的模型检查问题．     

基于模型预测的迭代学习控制器设计

针对具有非重复性干扰项的重复操作过程,提出了基于模型预测的迭代学习控制算法。其中,迭代学习控制器以前馈形式作用于重复过程.算法在时间轴方向基于跟踪误差暂态模型,采用模型预测控制的反馈校正,来抑制当前随机干扰,提高系统的跟踪性能.在重复次序方向利用P型迭代学习控制克服重复干扰.仿真结果表明了该方法的有效性.     

Study on spatial temporal model in property management information system

Time is an important dimension for information in the geographical iniormatlon system. Data, such as the historical state of target property space and related events causing the state to be changed, should be saved as important files. This should be applied to property management. This paper designs and constructs a spatial temporal model, which is suitable to the property data changing management and spatial temporal query by analyzing the basic types and characteristics of property management spatial changing time and date. This model uses current and historical situational layers to organize and set up the relationship between current situation data and historical dates according to spatial temporal topological relations in property entities. By using Map Basic, housing property management and spatial query is realized.     

一种周期时态关联规则挖掘算法

应用时态关联规则模型和时态事件空间,提出了一种单事件周期时态关联规则挖掘算法,并对其进行了可行性分析和复杂性分析。该算法通过挖掘不同时间间隔下的时态关联规则,能较好地处理非拐点的邻接点的趋势分布特征的挖掘,完整地挖掘时态数据趋势分布特征。最后,将该算法应用到股票数据的趋势挖掘中,得到了满意的实验结果。     

基于C-TRDM模型的时态数据存储研究

基于时态关系数据模型C-TRDM和时间过滤运算,提出时态数据栈的概念,定义了基于时态数据栈的两种操作方法,即分立时钟法和共用时钟法,并讨论了加速大容量时态数据存取的并行访存技术。