为地理数据库设计有效性规则

设计地理数据库就是将所要描述空间地理数据进行有效组织和管理。在进行地理数据库设计过程中,对空间数据的有效性的处理成为设计地理数据库的关键一步。规则(rule)是保证数据有效性的有效工具,因此为地理数据库设计数据有效性规则就成为保障地理数据有效性的首选工具。地理数据库的规则具体可分为属性域规则、关系规则和连接规则三大类。该文将重点围绕这三大类规则进行详细论述。     

基于Visual FoxPro的数据完整性剖析

主要对基于Visual FoxPro的关系型数据库中的数据完整性进行分析和应用.在关系数据库中,为保证数据的完整性,需要从关系的实体完整性、域完整性、参照完整性及触发器等几个方面进行约束和限制,即要设置主关键字、字段的有效性规则和关系表间的数据操作约束,从而保证数据的正确性和有效性,这也是关系型数据库特有的性能.     

VFP中数据库触发器技术的应用

VFP是目前进行中小型数据库开发应用十分广泛的设计系统 ,通过引入有效性规则和参照完整性极大地提高了系统对数据库的控制能力,特别是通过触 发器技术实现了复杂数据的完整性约束。就VFP中数据库触发器技术进行了较详细的介绍, 并对触发器的应用范围和设计时应注意的问题进行了说明。     

数据库中域完整性的设计与应用

数据完整性约束在数据库设计过程中至关重要,是保障数据正确、一致的有效机制。其中,域完整性是保证数据完整性的重要约束之一,包括CHECK约束、默认值约束、默认值对象和规则等。笔者旨在深入探讨实现域完整性的方法和手段,详细介绍实现域完整性的不同方法和具体运用,从而使学习者能够掌握这些方法,实现数据库的完整性约束设计。     

采用动态数据库结构的产品管理技术

本文提出采用树状关系组织产品分类和建立产品数据库关系模型,按照无穷级概括映射规则设计产品分类的超类表和子类表,在防止约束循环的前提下建立约束关系等规则,并按上述规则开发动态数据处理器,通过Web方式操作动态数据处理器来设计、修改产品数据库结构和管理产品数据。在用户通过Web按自己的实际需求管理产品分类和产品数据的同时,动态数据处理器同时完成数据库结构的改动和处理所有的数据,完全实现通过Web方式管理产品;从而解决在电子商务网站及基于Web的PDM设计中,用固定的数据库结构难以适应产品种类的改变,难以详尽反映产品特征,数据库维护难度大的问题,使数据冗余更少,适用范围更广,用户界面更加良好。     

GIS中复杂地图的事务约束规则

GIS中事务约束规则对于保证数据库更新时数据的完整性和一致性具有重要的意义。论文在一组基本拓扑约束规则的基础上,对复杂地图即包含岛或洞可分离地图中的事务约束规则进行了详细的研究,并提出了一组完整的事务约束规则。这组约束规则包括分裂面,合并面以及改变几何形状而保证拓扑关系不变。     

课表编排系统中数据库的设计与实现

论述了课表编排系统数据库的概念模型、逻辑模型以及物理模型的设计和规范化设计。为防止不符合语义的错误数据的输入输出，数据库设计中采用了主键约束、唯一性约束、外键约束、缺省、规则和触发器等技术来保护数据库的完整性。     

使用T-SQL实现数据库约束的方法

在数据库设计中,数据库中表的约束是实现数据库安全及数据准确性和一致性的重要手段.本文详细论述了使用T-SQL命令方式实现数据库约束的方法.     

DAPPIC：保持约束的发布规则生成机制

提出一种在数据映射方式下保持完整性约束的数据发布方法,设计了一套保持完整性约束的数据发布规则生成机制DAPPIC。简述DAPPIC机制中的关键技术和总体设计,并且通过CoXML系统的实现和应用验证了DAPPIC机制的有效性。     

基于数据行为的数据库设计技术探讨

借助VFP所提供的参照完整性规则、触发器等有效性实施机制，设计数据库，实现数据与其行为的紧密结合，建立数据库表间的数据动态连接。     

基于增量式遗传算法的分类规则挖掘

分类知识发现是数据挖掘的一项重要任务,目前研究各种高性能和高可扩展性的分类算法是数据挖掘面临的主要问题之一。将遗传算法与分类规则挖掘问题相结合,提出了一种基于遗传算法的增量式的分类规则挖掘方法,并通过实例证明了该方法的有效性。此外,还提出了一种分类规则约简方法,使挖掘的结果更简洁、更易理解。     

基于最大粒的悲观邻域多粒度粗糙集规则获取算法*

基于粒计算的规则获取在一定程度上弥补规则获取算法的缺陷,然而大多数算法仅适用于处理名词型数据.为了从多粒度、多层次的角度处理数值型或混合型数据,基于邻域多粒度粗糙集模型,通过计算邻域多粒度条件粒与决策粒,分析条件粒在规则获取过程中的冗余关系,进而通过剪枝规则获取过程中的冗余条件粒.在此基础上,设计较高效的基于最大粒的悲观邻域多粒度粗糙集规则获取算法.通过理论分析与实例对比验证算法的有效性和优越性.     

Dempster规则的有效性和限制

1 引言 Dempster-Shafer证据理论(以下简称证据理论)是在A.P.Dempster提出的“上、下概率”及其合成规则的基础上由G.Shafer在其1976年出版的专著《证据的数学理论》中建立起来的。80年代初,SRI的J.Lowrance等人将证据理论引入人工智能;J.Gordon和E.Shortliffe在专家系统的框架中研究了证据推理。此后,证据理论逐渐发展成为一类重要的不确定性推理方法。现在,基于证据理论的不确定性处理方法已是设计专家系统及其它智能系统的标准工具之一。     

模糊神经网络在商业规则数据挖掘中的应用*

利用模糊系统对规则提取的优势弥补了神经网络可解释性差的缺点,并使用模糊神经网络来进行商业规则数据挖掘。通过建立模糊神经网络对训练好的网络进行剪裁,最后提取模糊商业规则,说明了商业规则数据挖掘的全过程,并对其中重点算法进行了描述和改进。给出的实例证明了该方法的有效性。     

基于时序关联规则的商品需求预测

为了满足商品销售企业对商品需求预测的需求,提出一种时序关联规则挖掘算法。利用企业商品销售数据与客户相关的特点,提出客户模式数据模型,针对该数据模型,给出时序关联规则挖掘算法。利用该算法对超市销售数据进行时序关联规则挖掘,得到了正确的结果,验证了其在实际应用中的有效性。     

基于粗糙集的两阶段规则提取算法与有效性度量

在总结分析现有规则提取算法的基础上,提出了一种新的带覆盖度和置信度因子的两阶段规则提取算法,以解决噪音数据产生的噪音规则问题,并提出了一个衡量算法有效性的指标——支持度。实例表明,该算法能够有效地去除噪音规则,使提取出的规则更加精练实用。     

一种基于概念格的决策规则挖掘算法

概念格作为形式概念分析理论中的一种核心数据结构已经在众多的领域取得了广泛而成功的应用。从概念格上可以提取各种类型的知识,如蕴含规则、关联规则、分类规则等。利用概念格的所有节点的完备性特点,提出了一种基于概念格的新的决策规则挖掘算法,同时给出了规则的支持度。最后通过实例验证了算法的有效性。     

一种集成遗传算法与模糊推理的粗糙集数据分析算法

粗糙集数据分析的主要优点在于它不要求任何关于被处理数据的先验或额外的知识,文章利用其对数据库进行分析计算,自动获取数据库在各个层次上的规则集。在保证量化后的数据库具有最大一致性的前提下,利用遗传算法求取连续属性值的最优量化区间个数及各个区间分点值。同时将量化区间进行模糊化,将清晰规则集转化为模糊规则集,利用模糊推理进行决策以提高鲁棒性。通过对UCI中几个数据库的测试验证了所提出算法的有效性。     

基于Bayes 决策理论的数据融合方法

提出一种基于Bayes决策理论的多元优化数据融合方法，给出更具一般性的数据融合算法、判决准则以及系统性能计算公式，并给出几种不同情况下的数据仿真结果。仿真结果证明了该方法的正确性和有效性。     

粗糙集在电力变压器故障诊断中的应用

电力变压器是一种比较复杂的系统,在实际故障诊断中要想获得完备的实验数据比较困难。针对该问题,提出了一种基于粗糙集的电力变压器故障诊断新方法,即分析搜集到的电力变压器历史故障数据,确定条件属性集和决策属性集;对条件属性集进行约简,去除冗余信息,提取关键信息,得到相应的规则集;利用该规则集对电力变压器进行故障诊断。实例分析验证了该方法的正确性和有效性。