XML亚强函数依赖及其推理规则

为了解决不完全信息环境下XML亚强函数依赖的逻辑蕴涵问题,基于XML Schema研究了XML亚强函数依赖及其推理规则。给出了XML Schema、符合XML Schema的不完全XML文档树等概念;基于子树信息等价、子树信息相容的概念提出了XML亚强函数依赖的定义和性质;提出了相应的推理规则集,并对其正确性进行了证明。为不完全信息环境下存在XML亚强函数依赖的XML Schema规范化的研究奠定了基础。     

XML不完全信息树下的完全函数依赖弱保持

在DTD模型下,在XML信息树中引入了不完全信息,形成一棵不完全信息树。文中以不完全信息树为基础定义了树中节点之间的关系：节点值等价和节点值相容。并在此基础上定义了函数依赖的强保持条件、完全函数依赖弱保持。给出了给定函数依赖集判断完全函数依赖弱保持的算法及满足完全函数依赖弱保持时,当树确定化后成为完全信息树下函数依赖的可能性的证明。     

基于粒计算的XML近似多值依赖的判定算法

为了解决不确定XML数据规范化问题,提出了一种基于粒计算的XML近似多值依赖的判定算法。首先提出集值XML数据模型、集值XML数据库等基本概念;借助相似关系给出XML近似多值依赖的定义;根据等价粒分析如何利用位模式表示集值XML数据库中的信息值,提出路径间存在XML近似多值依赖的判定算法,并对算法的时间复杂性进行了分析。通过实例分析,对于信息值采用位模式,数据格式更接近机器内部表示,算法的运算效率与速度也得到了提高。     

一种基于XML的Web信息数据库的构建方法

随着Web网页信息容量的不断增大,在Web网页搜索信息的时间越来越长,为了加快用户提取数据信息的快速性和有效性,在Web信息数据库中融入XML数据技术,并采用JTidy和Dom4j等开源工具对XML数据进行解析,加快各节点之间的信息查询。本文针对Web信息数据库的构建问题,在数据库的建立过程中融入XML数据,并介绍Web数据的挖掘方法、挖掘思路与挖掘框架,促进XML在Web信息数据库中的应用。     

一种改进的奇异值分解语音增强方法

该文将多麦克语音增强方法用于单麦克语音增强,给出了一种改进的奇异值分解语音增强方法。该方法首先对输入矩阵进行雅克比奇异值分解,用得到的奇异值矢量构造语音增强滤波器;然后用输入矩阵与滤波器权矢量相乘来构造各路信号;最后采用麦克风阵列波束形成的方法,得到增强后的语音信号。仿真结果表明,该方法能有效地去除加性噪声,并且改善了语音质量。     

一种修正的矢量奇异值分解DOA估计算法

在均匀线性阵列模型下,特征矢量奇异值分解算法能够对相干信号进行DOA估计,但相干和不相关信号同时存在时,算法的估计会出现错误。针对这一问题,提出了一种修正算法(MESVD),该算法选取经过加权处理的特征向量来构造矩阵,并利用该矩阵进行子空间估计。理论分析和数值仿真证明:修正后的算法能够正确估计相干、相关和不相关信号,估计性能与空间平滑算法(FBSS)相当。     

一种推断XML关键字查询目标节点类型方法

为准确推断可扩展标记语言（XML）关键字查询中的用户搜索意图,提出了一种新的推断XML关键字查询目标节点类型方法IXKSNT.在获取目标节点类型时,考虑不同节点类型下关键字出现的频率以及节点类型的层次信息,赋予不同的查询相关度,同时结合目标节点类型应存在实例节点包含所有查询关键字这一因素,推断目标节点类型,以保证查询结果节点含有全部关键字.实验证明,该方法可以更准确地得到目标节点类型,提高查准率.     

一种安全的信息隐藏范式及其在二值图像上的实现

本文提出了一种安全的信息隐藏范式,这种范式是让信息隐藏过程模拟一种其他的正常操作来实现的.针对文字扫描操作,给出了这种安全范式在二值图像上的具体实现方法:利用扫描过程中测量噪声的不确定性来携带信息.并根据形态学滤波理论提出了该方法的快速实现,同时采用矩阵编码来提高隐藏信息的容量.     

一种基于奇异值分解的特征抽取方法

特征抽取是模式识别的基本问题之一,Fisher线性鉴别分析是特征抽取中最为经典和广泛使用的方法之一。该文分析了Fisher线性鉴别分析在求解过程中可能存在的问题:鉴别矢量的分量可能是复数;特征值对扰动的敏感性;鉴别矢量之间未必具有正交性。由此提出了均衡散布矩阵的概念,并利用均衡散布矩阵构造了一种新的线性鉴别准则。利用奇异值分解定理,将求取鉴别矢量转化为对矩阵求奇异向量。用该方法进行求解可以有效地避免前述的问题。试验结果表明,该鉴别准则具有良好的鉴别能力。     

一种函数依赖程序不变量动态检测方法

目前软件质量已成为人们广泛关注、高度重视的热点问题之一.为了保证软件质量,建立了程序不变量发现的基本理论模型,并针对简单的函数依赖不变量提出了检测方法.此方法首先是通过关系数据库理论存储程序的运行轨迹,然后利用关联算法分析变量间的相关性,最后通过回归分析方法确定具有高相关性的变量之间的函数依赖关系.结果表明这种方法对于简单的函数依赖不变量检测具有很好的效果.