空值环境下广义连接依赖及推导规则的研究

本文给出了空值环境下广义连接依赖强保持，弱保持的概念。讨论了它们的推导规则，证明了各推导规则在强保持，弱保持条件下的存在性，以及相应的完备性结论。     

空值环境下的NJD及其推导规则的研究

本文在空值环境下的ＮＦＤ，ＮＭＶＤ强，弱保持条件及相应的推导公理的基础上，讨论了空值环境下的连接依赖的强，弱保持成立的条件及相应定理。同时，讨论了ＮＪＤ在强，弱保持条件下的推导公理存在性问题。     

空值环境下嵌入多值依赖的研究

本文深入探讨了空值环境下的满足强，弱保持的嵌入多值依赖的概念，给出了嵌入多值依赖的投影规则及ＮＭＶＤ：Ｘ→→Ｚ强保持成立的充要条件，证明了逆投影性定理。     

空值环境下子集依赖（NSD）的研究

为了研究ＮＥＭＶＤ、ＮＥＪＤ的完备的推导公理，因此对ＮＥＭＶＤ、ＮＥＪＤ的研究转向寻找一种新的依赖类的研究。本文给出了空值环境下子集依赖的概念（强、弱保持），讨论了强、弱保持下的自反律、传递律的存在条件，在此基础上用图算法证明了它们关于ＮＳＤ强保持是完备的。     

空值环境下NMVD公理系统存在性的进一步研究

由于空值的出现，使ＮＭＶＤ公理系统的存在性更趋于复杂。本文分别讨论了在单一的强，弱保持条件下和强，弱保持的复合条件下公理存在的条件，并进行了相应的证明。     

空值环境下子集依赖的研究

为了研究ＮＥＭＶＤ，ＮＥＪＤ的完备的推导公理，因此对ＮＥＭＶＤ，ＮＥＪＤ的研究转向寻找一种新的依赖类的研究。本文给出了空值环境下子集依赖的概念，讨论了强，弱保持下的自反律，传递律的存在条件，在此基础上用图算法证明了它们关于ＮＳＤ强保持是完备的。     

空值环境下NFD—NMVD混合强保持逻辑蕴涵问题

本文讨论了空值环境下的ＮＦＤ－ＮＭＶＤ混合强保持依赖基的定义和求解算法，并讨论了算法的有效性完备性，给出了ＮＦＤ－ＮＭＶＤ混合推导公理，强保持集属性闭包的求解算法，从而解决了ＮＦＤ－ＮＭＶＤ混合情况下的强保持逻辑蕴涵问题。     

空值环境下的完全函数依赖和部分依赖

本文给出了空值环境下的完全函数依赖的弱保持、强保持及部分函数依赖。提出并证明了不完全关系模式若不满足空值环境下的完全函数依赖的弱保持,则它的任意一个完备一定不是非空值环境下的完全函数依赖;若满足空值环境下的完全函数依赖强保持,则它的任意一个完备,一定是非空值环境下的完全函数依赖。本文还给出了判别不完全关系满足空值环境下的完全函数依赖强、弱保持的算法。为空值环境下的模式分解奠定了基础。     

空值环境下模板依赖（NTD）的研究

本文讨论了一类自身具有有效、完备公理系统的空值环境下的模板依赖，给出了模板依赖的强、弱保持条件。     

空值环境下模板依赖的研究

本文讨论了一类自身具有有效，完备公理系统的空值环境下的模板依赖，给出了模板依赖的强，弱保持条件。     

XML强函数依赖的推理规则

当XML文档出现不完全信息时,XML函数依赖同样对于XML文档的键、规范化和完整性约束的研究具有重要意义.本文引入不完全信息环境下XML模式树概念对XML强函数依赖进行了形式化定义;研究了XML强函数依赖的判定条件;给出了XML强函数依赖推理规则,并对推理规则的有效性和完备性进行了证明.     

改进的模糊推理规则图像边缘检测算法

图像边缘检测是数字图像处理领域的关键技术,边缘检测的结果决定了图像后续处理的质量。模糊推理规则边缘检测算法具有较强的边缘检测能力,并且具备一定的抗噪效果。但是,这种算法只在高斯噪声较小时有效,当高斯噪声较大时它的边缘检测效果甚至比Canny等算子的效果还差。针对模糊推理规则算法在强高斯噪声时效果较差的问题,提出一种改进的模糊边缘检测算法。该算法能够根据图像含噪情况调整边缘检测方案：当噪声较弱时,使用模糊推理规则边缘检测算法;当噪声较强时,为提高算法抑制噪声的能力,使用改进的模糊推理规则边缘检测算法。实验结果表明,该方法具有更好的抗噪性能和边缘检测能力。     

基于XML Schema的XML弱函数依赖及其推理规则

为了解决不完全信息环境下可扩展标记语言(XML)弱函数依赖的逻辑蕴涵问题,基于XML Schema研究了XML弱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弱函数依赖的定义和性质;提出了相应的推理规则集,并对其正确性和完备性进行了证明。为不完全信息环境下存在XML弱函数依赖的XML Schema规范化的研究奠定了基础。     

Enhanced qualitative probabilistic networks for resolving trade-offs

Qualitative probabilistic networks were designed to overcome, to at least some extent, the quantification problem known to probabilistic networks. Qualitative networks abstract from the numerical probabilities of their quantitative counterparts by using signs to summarise the probabilistic influences between their variables. One of the major drawbacks of these qualitative abstractions, however, is the coarse level of representation detail that does not provide for indicating strengths of influences. As a result, the trade-offs modelled in a network remain unresolved upon inference. We present an enhanced formalism of qualitative probabilistic networks to provide for a finer level of representation detail. An enhanced qualitative probabilistic network differs from a basic qualitative network in that it distinguishes between strong and weak influences. Now, if a strong influence is combined, upon inference, with a conflicting weak influence, the sign of the net influence may be readily determined. Enhanced qualitative networks are purely qualitative in nature, as basic qualitative networks are, yet allow for resolving some trade-offs upon inference.     

基于Markov毯分解的抽样近似推理算法

现有的贝叶斯推理算法不同程度地存在推理精度低或推理时间长的问题。文中提出一种基于Markov毯分解的抽样近似推理算法(LSIA-MB)。LSIA-MB算法利用HITON_MB算法寻找查询结点的Markov毯, 进而利用动态规划方法学习边的后验概率, 确定变量之间的因果关系, 获得一个关于查询结点的Markov局部网络模型。最后, 在Markov局部模型上执行Gibbs Sampling。通过对Markov局部模型的抽样, 极大降低推理的计算维数。同时, 由于Markov局部网络模型包含与目标结点相关的完整信息, 从而保证局部抽样推理的精度。算法分析和在标准Alarm网的实验结果均表明, LSIA-MB算法降低推理时间, 且提高推理精度。LSIA-MB算法在上海股票交易网络上的推理预测结果显示出较强的实用性。     

Java用于嵌入式系统之分析与解决方案

本文详细分析了Java语言用于嵌入式系统的优点和缺点,并针对其不足提出了可行的解决方案。     

基于XML Schema的XML强多值依赖的推理规则集

XML强多值依赖的推理规则集问题是解决不完全信息环境下XML数据依赖蕴涵问题的基础,是不完全信息环境下XML模式设计理论的关键问题之一。提出了XML Schema、符合XML Schema的不完全XML文档树等概念;基于子树信息等价和子树信息相容的概念提出了XML强多值依赖的定义及性质;给出了相应的推理规则集,并对其正确性和完备性进行了证明。研究成果为不完全信息环境下存在XSMVD的XML Schema设计奠定了基础。