消除XML亚强多值依赖引起冗余的一种分解方法

数据约束是数据库规范化理论的基础,不完全信息引入XML文档后,需要重新定义数据约束.本文基于子树信息等价和子树信息相容的概念给出了XML亚强多值依赖的定义;提出了弱键路径和XML亚强多值依赖弱范式的定义,通过实例分析XML亚强多值依赖引起数据冗余的原因,提出分解不完全XML文档满足XML亚强多值依赖弱范式的定理.研究成果可较好的处理不完全XML文档中存在XML亚强多值依赖引起的数据冗余问题,避免了数据冗余所带来的操作异常.     

基于两阶段查询重写的XML近似查询算法

提出了基于两阶段查询重写的XML近似查询算法.该算法不仅能够返回精确查询结果,而且能够返回带有相似度分值的近似结果序列.首先,通过模式重写策略,将原始查询树改写为多种XML DTD(文档类型定义)下的重写查询树,从而解决了XML数据的多样性带来的查询语义缺失问题,接着,利用基本变异操作得到的变异查询树对XML数据树完成精确嵌入,可将XML近似查询的问题转变为多棵变异查询树的精确查询问题,并给出了基于XML数据统计的相似度计算模型和Top-K问题求解的优化算法.最后,在汽车外形智能化设计的实验中表明该算法优于SSO算法.     

基于近似条件熵的集值决策表属性约简算法

集值决策表拓展了经典决策表,但其现有属性约简算法中属性重要度度量方式单一.针对集值决策表,采用近似条件熵提出属性约简及其启发式约简算法.将近似精度与条件信息熵进行信息融合,定义近似条件熵,证明粒化单调性等性质;提出基于近似条件熵的属性约简,设计启发式约简算法;采用集值决策表实例与数据实验进行有效验证.实验结果表明:与现...     

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。     

基于矩阵的模糊信息系统的属性约简算法

基于模糊粗糙集的知识获取方法在模糊粗糙集的研究中具有十分重要的作用,通过矩阵来刻画粗糙集理论,用模糊矩阵定义了模糊粗糙集和粗糙模糊集的上（下）近似、重要度等概念,给出模糊信息系统的属性约简算法,并用UCI数据集说明算法的可行性。     

基于DBSCAN算法的XML结构相似性聚类研究

通过对XML结构聚类现状进行研究分析,提出了一种新的XML文档结构相似度度量方法DBTD(Density-Based of the Tree Distance),并在此基础上提出以基于密度的DBSCAN方法对XML文档进行结构聚类.实验表明:该方法能够对XML文档进行结构聚类,且其聚类结果充分展现了该方法的有效性.     

基于多特征融合的人脸识别算法

针对局部二值模式描述子提取的纹理信息以及梯度幅值量化算子提取的边缘特征无法有效且全面地描述人脸信息的问题,文中提出一种基于马尔可夫稳态特征模型的多特征融合算法。首先,将通过GMQ算子提取的边缘特征以及通过LBP描述子提取的纹理特征分别与马尔可夫稳态特征模型进行融合,然后再将两者进行有效地线性加权融合。最后,在ORL数据集上进行的实验显示,文中提出算法的识别精度可达到 95.83%。与单一的特征提取算法以及常见的人脸识别算法对比结果表明了该方法的有效性。     

基于XML的数据在数据库中的存取技术

近年来,基于XML的数据交换与存取技术成为数据存取和交换领域的一项重要课题。XML不仅作为一种互联网上数据表示和交换的标准,而且被应用于电子商务、搜索引擎、电子数据交换等很多方面,因此受到了广泛的关注。文章将此技术展开分析,探讨了XML数据存取机制,分析了XML在数据库中的存储模式和应用模式,并结合Oracle8i给出应用举例。     

基于DBSACN聚类算法的XML文档聚类

为了满足对XML文档集合进行数据挖掘需求,本文提出了根据XML文档树的语义信息和结构信息来计算其结构相似度,通过结构相似度构造其结构相似度矩阵,在此基础上应用DBSCAN算法来对XML文档集合进行聚类.与其他聚类算法相比,其聚类的速度得到了很大的提高.     

基于优化粒计算下微粒子动态搜索的K-medoids聚类算法

K?medoids算法具有对初始聚类中心敏感,聚类准确度不高及时间复杂度大的缺点。基于此,文中提出一种优化的K?medoids算法;该算法在已有的粒计算初始化基础上进行了改进,以对象之间的相似性作为判断依据,结合最大最小法初始化聚类中心,能有效地获取最佳或近似最佳的聚类中心;在优化的粒计算前提下,提出了基于微粒子动态搜索策略,以初始中心点作为基点,粒子内所有对象到其中心的平均距离为半径,形成一个微粒子;在微粒子内部,采用离中心点先近后远的原则进行搜索,能有效地缩小搜索范围,提高聚类准确率。实验结果表明：在UCI多个标准数据集中测试,且与其他改进的K?medoids算法比较分析,该算法在有效缩短收敛时间的同时保证了算法聚类准确率。     

一种基于等价字符的不完整时间序列相似度算法

针对几种典型相似度算法在求解不完整时间序列相似度问题上准确率低、适应性差的问题,利用差分变换、量化处理、符号化处理、等价字符变换方法并借鉴最长公共子序列、贪婪字符串匹配算法优点,提出了一种适用于不完整时间序列的相似度求解算法。针对等长脉冲缺失时间序列,该算法的相似度结果经加权平均处理,准确率比典型算法提高了10%以上;而对于更具一般性的非等长脉冲缺失时间序列,相似度结果准确率也有明显提高。实验结果表明该算法对不完整时间序列具有较好的数据关联效果,在真实数据环境下具有较强的鲁棒性。