利用多重依赖关系的增量属性计值方法

本文利用属性文法中各个属性之间的多重依赖关系,针对某一类属性文法提出了一种新的增量属性计值算法。它不仅空间开销少,而且在时间上可以被证明是最优的。更进一步,我们还将该算法推广到能适用于一般的属性文法。同时保持了时间最优性与空间复杂性的价不变。     

增量数据流分析及其在增量程序设计环境中的应用

本文提出了一种以交互式PASCAL程序设计环境FPE/1中的增量属性计值机制为基础的增量数据流分析方法,并给出了对循环依赖属性的计值方法.此外还讨论了应用数据流信息建立起来的新的软件开发和软件维护设施,如语义辅助编辑和错误检测与局部化方法等.     

网络通信协议的属性文法规格说明

本文给出一个基于属性文法的网络通信协议的形式说明与自动生成的模型.首先引入了一个扩展的属性文法描述工具,讨论了用其描述协议的并行、同步、延时（时序）等特性的有关问题；然后研究了基于属性文法的网络通信协议自动生成环境及其核心算法——属性计算（即语义分析）算法.     

基于非局部属性计值的交互式环境中的非局部依赖关系的实现

属性文法作为一种描述程序设计语言语义的工具在交互式环境中有着广泛的应用。相当多的一部分交互式环境是基于属性计值实现的。然而,传统的属性文法具有很大的局限性,它要引进大量的复制规则链,导致了很严重的时间和空间效率问题。为此,我们将属性文法扩充到非局部属性文法,它在程序的语义树中引进了非局部依赖关系,避免了通过复制规则链传递语义信息时所造成的时空效率问题。但是由于非局部依赖关系是动态的,从而使得属性的增量计值更加困难。本文描述了非局部依赖关系的表示方法,并针对程序开发过程中程序语义树中非局部依赖关系的维护问题提出了解决方法。最后,根据作者开发交互式环境的经验,讨论了非局部依赖关系的维护方法在环境中实现时的改进。     

编译程序的范式结构及用属性文法进行编译程序设计(上)

本文将介绍编译程序自动生成的方法,该方法在NCI(华北计算技术研究所)用来发展编译程序自动生成系统(CSG).本文还详细地讨论属性文法以及如何使用属性文法进行编译程序设计.     

一个并行自动语义分析算法

本文提出了一个以有序属性文法为基础的并行自动语义分析算法,它通过构造所谓的并行访问序列和相应地扩充原来的属性计值驱动器来实现并行处理。为了实验的目的,该算法已通过模拟的方法获得实现。     

语言值关联规则的增量更新

数据库并非是静态的,而是要经常更新。数据库发生插入、删除和修改等操作后,一方面有可能产生新的关联规则,另一方面现有的一些规则可能不再适用,所以要对关联规则进行维护。提出一种语言值关联规则的增量更新算法。算法通过维护原先的频繁语言值属性集的集合、负边界及其语言值属性集的支持数,使得语言值关联规则更新过程最多需要扫描整个数据库一次。实例分析表明该算法能够有效更新语言值关联规则,并且减少重复计算的开销。     

软件体系结构的属性图文法描述及其约束验证*

在前人工作的基础上,使用了一种利于约束检查和属性刻画的属性图文法,该方法形式地描述了体系结构及其演化;接着给出了一个算法检查演化动作是否会破坏体系结构约束.在对属性图文法系统AGG的图形解析器进行定制和改进的基础上,设计并实现了体系结构自动检查器.该检查器已应用于面向体系结构的服务集成开发平台Artemis-ARC系统中.     

拓广属性文法

一、引言属性文法被普遍用作为基于语言的环境中增量语义分析的基础。传统属性文法中,属性是局部的,即语义等式仅能引用相同产生式实例中属性的值。对于以属性文法为基础的增量语义分析,属性的局部性无法有效地传递语义树中符号定义点和引用点之间的语义信息。换言之,为了把符号的定义信息传送到引用点上,定义信息必须逐结点地经过许多中介属性;一个符号的定义和删     

IPM——一种增量计算的自动生成模型

增量计算在排版系统、编译系统和各种软件工具中有着广泛的应用,而实现一个增量式软件系统往往需要采用复杂的算法设计和艰苦的程序调试.近年来,随着部分求值技术的发展,人们开始研究用于增量计算的通用的程序生成方法,以求从根本上消除使用增量计算实现算法的需求。 有关增量计算自动生成的研究工作,大致可分为两类一类以耶鲁大学的Hudak研究组为代表[lJ,力图建立一种完成增量计算的程序执行环境。在这种环境中,应用程序的每次执行将能够利用上次执行的部分计算结果。另一类以康乃尔大学的Teitel-baum研究组为代表,试图将应用程序变换成采用增     

基于推拉策略的文本分类增量学习研究

学习算法是否具有增量学习能力是衡量其是否适合于解决现实问题的一个重要方面。增量学习使学习算法的时间和空间资源消耗保持在可以管理和控制的水平,已被广泛应用于解决大规模数据集问题。针对文本分类问题,本文提出了增量学习算法的一般性问题。基于推拉策略的基本思想,本文提出了文本分类的增量学习算法ICCDP,并使用该算法对提出的一般性问题进行了分析。实验表明,该算法训练速度快,分类精度高,具有较高的实用价值。     

一种增量更新算法在数据挖掘中的应用

引入扩展差别矩阵和扩展决策矩阵,提出了新的属性约简算法和增量更新算法,即基于扩展差别矩阵的属性约简算法和基于扩展决策矩阵的增量式规则提取算法,讨论了规则的增量更新算法。由于使用了增量更新算法和并行处理技术,从而提高了数据挖掘的效率,降低了时间复杂度。通过实验说明此算法是有效和可行的。     

一种针对磁盘完整性校验的增量hash算法

增量hash函数具有传统迭代hash函数所不具备的增量性和并行性,可以使数据校验值的更新时间与该数据被修改的规模成比例。论文采用增量校验的思想,设计了一种针对磁盘完整性校验的hash函数称为iHash。该文介绍了算法的设计,描述了算法的具体实现,论证了其在抗碰撞问题上的可证明安全性,详细分析了该算法既具有一般增量hash算法的性能优势又具有之前增量hash设计领域未曾提出的新特性,最后给出了iHash与已有的hash函数在性能上的对比实验结果。     

AGDL——一个属性文法定义语言

AGDL是一个属性文法定义语言,用来进行编译程序自动生成的说明。AGDL具有抽象数据类型的定义的施用型(Applicative language)语言,因此属性文法规则简明易读,是用来发展编译程序生成的重要工具语言。     

增量KNN模型的修剪策略研究

KNN模型是k近-邻算法的一种改进版本,IKNNModel算法实现了基于KNNModel的增量学习.然而随着增量步数的增加,IKNNModel算法生成模型簇的数量也在不断地增加,从而导致模型过于复杂,也增大了预测的时间花销.提出一种新颖的模型簇修剪策略,在增量学习过程中通过有效合并和删除多余的模型簇,在保证精度的同时降低了模型簇的数量,从而缩短了算法的预测时间.在一些公共数据集上的实验结果验证了本方法的有效性.     

属性文法在函数式程序设计系统中的表示

本文探讨LL(1)/L—属性文法在函数式程序设计(FP)系统中表示的可能性,提出“将此类属性文法转换成FP程序”的法则,从而,属性文法实现成为FP系统中可执行的程序。本文工作的意义之一在于:它开拓了“使数据制导的程序设计方法在FP系统中得以自动化”这样一个领域,并作了初步工作。     

OODB中连接视图的物化和增量保持技术

提出了一个实现OODB中连接视图物化和增量保持的算法，基本思想是扩充了文献[1]中的OODB模型，使其便利于连接视图的物化和增量保持，为每个类中的对象增加一个视图标识，用来标记该对象是否在相应视图中，以减少连接运算，最后，开发出一系列算法来实现由两个类做连接运算生成一视图的物化及保持工作。     

使用定性属性的数据库关联规则的增量挖掘

目前数据库关联规则的增量挖掘作为数据挖掘的一个重要的领域, 已经广泛应用于教育, 医疗, 卫生等领域, 因此它成为了当今数据挖掘中最活跃, 最重要的一个分支领域. 数据库中的数据存在大量未知的数据以及不可知的数据变化. 若采用Apriori算法进行计算, 一方面很难取得较好的结果, 另一方面支持度的变化对结果的影响很大, 无法确定支持度的变化, 因此借助属性论中定性属性的机理以及属性计算网络的边界学习算法, 结合IUBM算法提出了一种基于定性属性的关联规则的增量挖掘算法. 比如在以分数划线招生制度下, 定性基准的一分之差, 可能完全改变一个学生的一生的命运. 通过实验表明, 该算法在处理大规模数据的增量式关联规则的挖掘中减少了冗余规则的产生, 同时挖掘效率得到了很大的提升. 对于诸如预测大学生就业的情况及招聘企业对于应届生学习情况的了解等应用十分有意义.     

混合型学习模型HLM中的增量学习算法

混合型学习模型HLM将概念获取算法HMCAP和神经网络算法FTART有机结合，能学习多概念和连续属性，其增量学习算法建立在二叉混合判定树结构和FTART网络的基础上，在给系统增加新的实例时，只需进行一遍增量学习调整原结构，不用重新生成判定树和神经网络，即可提高学习精度，速度快、效率高．本文主要介绍该模型中的增量学习算法．     

多源数据矩阵增量约简算法

传感器技术发展促进各行各业产生了大量多源数据,且这些数据还在不断发生变化.当多源数据(分布信息系统)增加了一些属性后,传统约简算法需要重复计算数据且不能有效实现多源数据融合,导致计算动态多源数据约简花费时间较多,计算效率不高.为了克服传统约简算法的缺陷,设计了基于多源数据矩阵增量约简算法.介绍了一些分布信息系统的相关理...