基于XML的文件系统与多数据库系统的集成

文件系统与多数据库系统集成是解决多个分布的异构数据源数据共享的必由之路。本文在对文件系统与多数据库系统集成中的问题进行分析的基础上，提出利用可扩展置标语言XML来实现文件系统与多数据库系统集成，并且提出了一种面向XML Schema的公共数据模型XIDM。XIDM能较好描述无结构化和半结构化数据的数据，建立在一系列XML标准的基础上，具有较强的实用性和通用性。文章还对目前XML的查询语言进行了讨论，确定将扩展的XML－QL作为配合XIDM的查询语言。     

多数据库系统中基于XIDM的模式映射方法研究

建立多数据库系统中多种模式间的映射是多数据库解决模式异构性的关键,而选用一种适用于这些映射的集成数据模型又是模式映射的基础。为了集成数据库、文件系统、Web文档等多种异构系统中的数据,提出了一种基于XML的集成数据模型（XIDM)作为多数据库系统的公共数据模型,基于XIDM模型,给出了全局模式与输出模式、输出模式与局部模式之间的模式映射方法,并对全局映射和局部映射在多数据库原型系统Panorama中的实现进行了示例,最后从数据模型的集成能力和模式映射的可操作性方面对基于XIDM的模式映射方法进行了性能比较和分析。     

结构化P2P系统中副本一致性管理的一种新算法

结构化P2P系统通常使用数据复制来提高数据可用性,但P2P环境中的节点搅动、多节点并发更新以及恶意节点的存在也为副本的一致性管理带来了新的挑战.基于协商的算法要求节点间以全交换的方式通讯,在P2P环境中其可伸缩性不够理想.本文针对结构化P2P系统提出一种基于Quorum的副本管理算法:使用混合失效模型降低容错开销,利用DHT服务处理节点搅动,将数据存储与其元信息管理分离,使数据可靠性和数据可用性得以独立调整.模拟实验表明该算法可以明显改善系统的可伸缩性,减少系统的容错开销.     

基于P2P系统信任机制的DRM模型

P2P技术的成熟同时也给数字内容的版权保护带来更大的挑战.传统C/S模式下的DRM已不能满足P2P环境下的数字版权保护.结合现阶段网络技术中P2P技术的实际应用情况和新一代数字版权管理(DRM)技术,提出了基于P2P系统信任机制的版权管理模型.该模型通过秘密共享思想将许可证密钥分发给P2P网络中的可信任节点,为基于P2P技术的数字内容分发提供了必要的安全保障.通过分析与仿真实验表明,该模型较现有数字版权管理模型在传输的容错性、入侵容忍性与安全性方面都有较大的提高.     

基于MAP和MLLR的综合渐进自适应方法研究

从说活人自适应技术讨论了最大后验概率(MAP)和最大似然线性回归(MLLR)两种经典的说活人自适应方法,通过在渐进的MAP方法中引入一个简化的MLLR模块,提出一种适合于强健语音识别的快速综合渐进自适应语音识别方法和策略。     

软件开发成本估算技术综述

本文分析了软件开发成本估算精确性的影响因素,并对现有的软件开发成本估算技术进行分类和比较,探讨了软件开发成本估算技术的应用策略及其发展方向。     

文法推断与HMM相结合的信息提取

本文提出了一种结合文法推断和HMM进行信息提取的方法。首先将待提取的原始文本转换为相应有意义的一个小的抽象符号集合,然后通过使用文法推断（GI）获取一个合适的HMM拓扑结构,最后利用所得的HMM拓扑结构,使用经典的Viterbi算法提取出用户感兴趣的信息。实验结果表明,针对半结构化文档,该方法在某些领域能够有效地提高提取的精确度。     

P2P网络中基于信任的风险计算方法

由于P2P网络的开放性和动态性,对等点信息交换不可避免地会给系统带来安全问题。提出了运用信任评价与传统的风险计算相结合的方法来评估对等点信息交换中的风险。风险度的计算来源于信任风险和后果风险。信任风险是对节点长期累积行为表现的评价,反映了信任和风险之间的关系;后果风险是对节点短期行为所导致后果的评价。仿真实验表明,运用基于信任的风险计算方法可以有效地评估对等点间信息交换的风险。     

一个新的基于Vague集加权相似度量的双向近似推理方法

提出了一种新的Vague集的加权相似度量方法以解决文献[1]中关于vague集相似度量的某些缺陷，并且提出了Vague集间相似方向的概念，用它来描述两个相似Vague集中哪个所包含的信息更精确，并给出了一个判定方法。在此基础上给出了一种基于Vague集加权相似度量的双向近似推理方法，该方法更好地利用了vague集信息的精确性，从而提高了推理的精确性和适用性．这为智能系统中的近似推理提供了一个十分有用的工具．     

Web知识规则提取的FOIL算法改进

将一阶学习的FOIL算法应用到Web知识规则的提取是当前学习Web知识所普遍采用的方法．本文在FOIL算法的基础上进行了改进，提出了基于网页间联系的新的路径学习算法，使得原算法的稳定性和精确度都明显提高。