时态变量"Now"语义及相应时态关系运算

讨论了时态变量"Now"的基本语义,即Now不仅可以表示当前时间,还能表示过去时间和将来时间.在语义分析的基础上,讨论了带变量时态关系运算中需要解决的基本问题,即变量Now值的确定问题,研究了相应时态关系数据操作,建立了带变量时态关系代数系统.     

时态索引技术研究及其应用

研究有效时间期间集合上数学关系以及时态索引构造与应用.建立时间期间集合上时态连通等价关系和时态包含拟序关系.在引入数学关系框架内,通过对时间期间特征进行精细分析,讨论了大时态连通等价类分割和时态包含拟序关系集重叠等问题,建立了由根结点、等价类分割集结点和拟序关系集线序分枝结点构成的时态索引树形模型TDIM.在TDIM架构下,基于时态数据库中数据实体动态管理基本特征,研究了具时态变量情况下时态索引动态实现机制和查询技术,同时讨论了时态更新(时态插入、时态删除和时态修改)的增量式算法.由于建立在一般时间集合之上,TDIM可以应用于时态关系和XML的数据管理.     

全序时态模块模式的TO_TSNF分解问题研究

在许多时态数据库应用中,都存在着涉及多时间粒度的约束。但是,具有多时问粒度的时态数据库的设计相当复杂,甚至难以实现,而现实世界中的许多应用所涉及到的时态类型集都能满足全序关系。同时,具有全序时态类型集的全序时态模块模式有着良好的特性,因此本文提出了全序时态模块模式、时刻关系模式、全序时态模块投影、全序时态简单候选关键字、全序时态三范式（TO_T3NF）和全序时态简单范式（TO_TSNF）等概念,并给出了全序时态简单范式的分解算法,对其正确性进行了证明,并对时间复杂度进行了分析。     

时态数据挖掘的相似性发现技术

现实世界存在着大量的时态数据,时态数据挖掘(temporal data mining,简称TDM)是近年来学术界关注的一个重要研究课题.相似性发现技术关注数据的发展变化,试图从时态数据中发现事物动态演化的相似性规律.分析和比较了近年来TDM研究中涉及的主要相似性发现技术.首先区分定义了3类时态数据:时间序列、事件序列和交易序列;然后分类并讨论了各种与序列相关的主要方法和技术,涉及相似性度量、序列抽象表示和搜索,以及各类挖掘任务及其算法操作;最后展望进一步研究的方向.     

具有多时间粒度的强全序时态模式中多值依赖问题研究

在时态数据库中存在着与时态多值依赖相关的存储冗余、更新异常等问题.但由于时态多值依赖的复杂性,使得根据时态多值依赖所进行的范式分解并不能总保持无损联接,为此对强全序时态模式中时态多值依赖与无损分解的相关性进行了深入研究,给出了规则的时态多值依赖(RTMVD)和属性集的时间粒度等概念,并给出了RTMVD的一套有效的推理规则,针对强全序时态模式中时态多值依赖与无损分解的相关性给出了相关定理,解决了规则的时态多值依赖环境下时态模式在多粒度上的无损分解问题,为规则时态多值依赖环境下时态模式的进一步规范化奠定了基础.     

确定学习与基于数据的建模及控制

确定学习运用自适应控制和动力学系统的概念与方法, 研究未知动态环境下的知识获取、表达、存储和利用等问题. 针对产生周期或回归轨迹的连续 非线性动态系统, 确定学习可以对其未知系统动态进行局部准确建模, 其基本要 素包括: 1)使用径向基函数(Radial basis function, RBF)神经网络; 2)对于周期(或回归)状态轨迹 满足部分持续激励条件; 3)在周期(或回归)轨迹的邻域内实现对非线性系统动态的局部准确神经网络逼近(局部准确建模); 4)所学的知识以时不变且空间分布的方式表达、以常值神经网络权值的方式存储, 并可在动态环境下用于动态模式的快速识别或者闭环神经网络控制. 本文针对离散动态系统, 扩展了确定学习理论, 提出一个根据时态数据序列对离散动态系统进行建模与控制的框架. 首先, 运用确定学习原理和离散系统的自适应辨识方法, 实现对产生时态数据的离散非线性系统的未知动态进行局部准确的神经网络建模, 并利用此建模结果对时态数据序列进行时不变表达. 其次, 提出时态数据序列的基于动力学的相似性定义, 以及对离散动态系统产生的时态数据序列(亦可称为动态模式)进行快速识别方法. 最后, 针对离散非线性控制系统, 实现了基于时态数据序列对控制系统动态的闭环辨识(局部准确建模). 所学关于闭环动态的知识可用于基于模式的智能控制. 本文表明确定学习可以为时态数据挖掘的研究提供新的途径, 并为基于数据的建模与控制等问题提供新的研究思路.     

多主体系统时态认知规范的"On the Fly"模型检测算法研究

时态认知逻辑已被广泛应用于分布式系统和协议的规范描述,模型检测时态认知规范已成为一个新的研究领域,因此着重研讨时态认知规范的“On the Fly”模型检测算法．在“On the Fly”模型检测时态逻辑描述规范的基础上,根据自动机理论、深度优先方法和知识的语义,提出了“On the Fly”模型检测时态认知规范的算法,该算法在模型检测带有知识算子的时态规范时,在找到一个反例之前,往往只需构造系统的部分甚至小部分状态空间,从而避免了时态认知规范的模型检测中内存不足和状态爆炸等问题,实现了“On the Fly”模型检测时态认知规范,并且算法的复杂性是多项式时间的．最后,通过该方法在验证TMN密码协议中的应用来作为一个例子说明该方法的有效性．     

时态数据库技术

主要阐述时态数据库在发展过程中,特别是近几年的发展过程中所形成的较一般的,为广大在数据库领域研究的专家、学者所认同的,并在进一步发展的时态数据库模型、技术和遇到的困难等.     

多时态BIT遥感图像建筑物的变化检测

针对来自相同地理空间的不同时刻遥感图像之间的季节性和光度变化(色差)等因素所引起的干扰, 提出了多时态-BIT遥感图像变化检测方法. 该方法引入了过去多个不同时刻的遥感图像, 融合当前遥感图像与过去时态遥感图像两两变化检测的结果, 该方法有助于排除季节性和光度变化引起的误报, 提高了变化检测的准确性; 并且利用过去多个不同时刻的遥感图像, 进一步消除非目标建筑变化的影响, 其变化点像素差值引入作为损失函数正则化项, 从而进一步提高变化检测的鲁棒性和可靠性. 本文以三时态(3个不同时刻的遥感图像)为例, 使用了遥感图像建筑物变化数据集进行了实验. 实验结果表明, 多时态-BIT方法相对于仅考虑两个时态的变化检测方法, 在遥感图像建筑物变化检测任务中表现出更好的效果.     

时态数据库技术

主要阐述时态数据库在发展过程中，特别是近几年的发展过程中所形成的较一般的，为广大在数据库领域研究的专家、学者所认同的，并在进一步发展的时态数据库模型、技术和遇到的困难等。     

选"裁缝店"还是选"成衣厂"?中小企业信息化的全新思路

"裁缝店的ERP"看起来成功和失败的比例各占50%,其实市场调查显示,"裁缝店的ERP"成功率仅为10%;那么,成衣厂呢?     

时态数据库的沿革,特色与代表人物：—时态数据库二十年回顾之一

1 时态数据库产生的背景伴随着物理流的信息流包含着事件的时态信息(Temporal Information),其中有时刻信息(InstantInformation),时间区间信息(Interval Information)和相对时间信息(之前、之后、重叠)等等。传统的数据管理系统把时态数据作为用户定义时间字段进行存贮和管理,只反应了一个对象在某一个时刻的状态(快照),不联系其过去和未来。日益广泛的数据库应用要求了管理被处理事件的历史性信息,和系统中元事件的时态信息,例如查删改事务的时刻,时态信息数据反映了事物发生发展的过程,有助于(揭示事物发展的本质规律和这些数据有助于提高数据库系统的可靠性和效率。     

电子病历中时态数据的过滤运算研究

针对医疗应用系统的时态数据具有缓慢变化的特点,选用了M.A.Roth等学者提出的嵌套关系数据库模型设计了电子病历的时态数据库。进一步,在Delphi环境下深入讨论了电子病历中时态数据的瞬时过滤、期间过滤的设计原理及编程方法,从而简洁明了地展示了电子病历中时态数据在过去某个时刻或者某个时期的状态。     

时态关系数据模型C-TRDM的存储技术研究

针对传统数据库和现有时态数据库中存在数据冗余及时态数据库中数据量快速增长等现象,结合现有的压缩技术,提出了时态数据压缩存储策略来解决时态数据存储中的数据冗余现象,并用分立时钟法和共用时钟法对缓变域、瞬变域时态数据进行存储.提出网格存储策略来解决时态数据快速增长问题.     

一种基于UML的双时态概念模型

随着数据库技术的发展,信息系统对时鸯信息的处理需求越来越强烈。尽管出现了一些时态数据库管理系统,如TimeDB,但这些时态数据模型仍存在着一些不足。该文参考双时态概念数据模型BCDM,对UML类图进行扩展,提出了一种支持时态信息概念建模的概念模型UTCM,UTCM能够支持对时态信息的概念建模,并易于在成熟的DBMS产品上进行实现;     

基于Hadoop的时态信息存储与时态关系演算问题研究

面对海量的非结构化时态信息,构建了在分布式环境下的数据存储模型,并在此基础上提出一种基本的时态数据处理方法。使用Hadoop平台下的分布式、非结构化数据库HBase对海量时态数据进行存储,构造以时态集合为时态存储单元的时态数据存储模型;针对分布式处理特征和时态集合数据类型,提出一种在Map/Reduce编程计算模式下进行海量时态信息关系演算的实现方法;通过扩展时态区间关系运算,实现以时态集合为基本时态数据操作对象的交、并等关系运算。以医疗时态数据作为研究实例,表明了所提出的时态数据存储模型和关系演算方案在分布式应用系统下的适用性。     

时态数据库时间轴的动态逻辑模型

尽管在1994年,Gabbay等人论证了时态逻辑的公理化系统和证明论方法是不适合于时态数据库查询语言建模的,但是仍需要通过对时间轴的公理化建模,利用公理化系统的可靠和完全等性质对时间轴作“细精度”的语义刻画.只有这样才能准确地在数据库中反映时间和时间属性的本质特点,并应用于与时间轴模型直接相关的时态查询语言.因此,从分析时间轴的性质出发,对时间轴的序关系和谓词逻辑性质进行了研究和阐述.随后分别用经典的时态逻辑Tense Logic和动态逻辑对时态数据库的时间轴进行了公理化建模,这样刻画的目的是为了“细精度”地体现时间轴的特点,并借助逻辑的方法对其分析.在TDB(temporal database)时间轴的动态逻辑建模部分,相对于原时态逻辑系统较为静态,着重处理了时间的动态性,并参照了Tense Logic中的Lin.Z系统,将其转化为动态Lin.Z系统,在其中添加了参数化处理.该参数化的处理是基于动作执行的,主要工作在动作指数的数值化和函数化两个方面,其结果体现了时态数据库中规则生存周期和“Now”节点的一些特点以及知识表达和解决方法,研究结果将对后续时态知识表达和时态数据库查询语言的研究起到积极的作用.     

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...     

一个时态关系代数

1.引言随着越来越多的私人和政府部门等需要保存和查看过去的记录(或数据),时态数据库已成为一个活跃的研究领域。据统计,近十多年来,已有400余篇有关时间信息处理的文章发表。这些研究主要集中在:(1) 时态数据模型;(2) 时态询问语言;(3) 存贮结