利用实例的异构网络服务模式匹配方法

提出了一种利用实例的模式匹配方法,在对网络服务模式元素标签及模式结构匹配基础上,通过对网络服务实例数据的精确匹配来确定模式元素间对应关系,解决了多版本异构网络服务模式间由于结构和语义差异造成的映射丢失问题.最后,以Geoserver不同版本网络要素服务(WFS)和网络覆盖服务(WCS)匹配试验验证了方法的有效性.     

面向对象的多版本传感器观测服务模式匹配方法

以多版本传感器观测服务(Sensor Observation Service,简称SOS)模式为研究对象,从SOS实现规范数据类型UML图中解析出SOS服务模式组成对象,提出一种面向对象的模式匹配方法,把服务模式匹配问题转换为模式对象的匹配问题.重点阐述了模式对象的分解、关联子对象识别、及子对象匹配等相关技术.最后,以两种版本的SOS模式匹配试验验证了方法的有效性.     

基于WebService的小流域地貌演化问题计算设计与实现

基于WebService技术,提出采用服务模式实现小流域地貌演化问题计算的方法.分析了小流域演化模型服务MCGEMS以及MCGEMS与WCS集成设计过程,给出了MCGEMS的WSDL描述.基于.NET平台开发实现了MCGEMS、WCS以及MCGEMS与WCS服务集成,完成了基于服务模式的小流域地貌演化计算.基于服务模式的小流域地貌演化问题计算,初步解决了系统集成模式实现小流域地貌演化计算功能冗余、小流域地貌演化模型演化复用困难、集成界面复杂等问题.     

基于形式概念分析的模式匹配算法

提出了一种基于形式概念分析的模式匹配的FCABSM方法,该方法由3部分组成:首先,以朴素贝叶斯文本分类算法为基础设计名称分类算法及描述分类算法,分类目标模式与待匹配模式的元素名以及元素描述,为模式间元素的匹配提供初始依据.其次,利用形式概念分析技术整合分类结果、元素类型信息以及约束信息,提高匹配精度.该阶段为待整合信息创建形式上下文、获取形式上下文中蕴涵的概念、确立概念间偏序关系及构建概念格.最后,以第二阶段的概念格为计算依据,引入基于结构的相似评估模型来计算出最终的匹配结果.实验表明,基于FCA的模式匹配方法的平均性能优于缺少FCA整合的直接匹配方法.     

基于素数的多源模式匹配方法的研究

模式匹配是获取不同模式间语义关联关系的技术,是数据集成过程中的关键操作.随着可检索在线数据库数量的迅速增加,大规模的模式匹配工作的需要使多源模式匹配方法成为模式匹配领域研究的重点.针对现有多源模式匹配方法的缺陷,本文提出了一种基于素数的多源模式匹配方法,并提出了具体算法-PMSM.该方法将素数理论引入模式匹配过程中,使单纯的字符匹配转换为素数计算,提高了匹配效率,同时保留了现有多源模式匹配方法的优点.实验证明,PMSM切实可行.     

基于时空序列模式匹配的兴趣点推荐方法

兴趣点(point of interest,POI)是地理空间信息的重要组成部分,在基于位置的信息服务中被广泛使用.针对用户对兴趣点访问所产生的时空序列,利用闭合序列模式挖掘方法分析频繁模式,在此基础上根据用户当前所处位置或最近访问序列,通过序列分析进行时空序列模式匹配,并按照序列的匹配程度给出兴趣点推荐列表.实验结果...     

并行环境下的空间模式匹配

空间模式匹配在各类基于位置的服务中有广泛的应用,但在面向空间大数据时,现有空间模式匹配算法的效率难以满足实际要求.针对上述问题,采用并行计算框架Spark,设计基于空间模式边匹配并行的空间模式匹配算法PMSJ(Parallel Multi Star Join). PMSJ算法将空间模式匹配问题分解为可以独立、并行执行的称为边匹配的子问题,将计算量分散至集群中各个计算节点以提高计算效率.具体地,PMSJ将边匹配分为针对空间区域的最小边界矩形匹配与针对具体空间对象的边匹配两个并行步骤,并在计算边匹配前对最小边界矩形匹配的结果进行剪枝,排除无法产生完整空间模式匹配的匹配对.在四个真实数据集上的实验结果表明,在面向空间大数据时,PMSJ算法的效率优于现有算法.     

基于模式匹配的路径表达式查询优化

针对目前路径表达式的查询,提出了一种自顶向下基于模式匹配的查询策略．利用延迟结构连接,减少了目前比较费时的结构连接操作次数;另外在自顶向下基于模式匹配的计算过程中,为了尽可能减小中间结果集,引入一个子模式栈来保存已匹配的子模式,并利用子模式的出栈动作判断当前要处理的子模式和子模式栈的栈顶元素之间的关系(相连或者相交),从而可以删掉无用的的中间结果,一定程度上优化了空间复杂度．而且,本查询策略不依赖于特定的索引结构．通过对本查询策略进行理论分析和证明,可以看出,自顶向下基于模式匹配的查询方法是有效的。     

基于粗糙集的模式匹配方法

模式匹配在信息集成和数据挖掘领域有着广泛应用,提出了一种基于粗糙集和神经网络的模式匹配方法,利用粗糙集的属性约简机理,对模式属性进行约简,然后通过BP神经网络分类以达到匹配目的.该方法大大的降低了神经网络输入向量维数.实验结果表明该方法能够有效地提高匹配效率和准确率.     

一种高效的用户查询模式匹配算法

针对常规模式匹配方法在大规模模式匹配中效率不高无法满足在线应用的问题,提出了一种高效率用户查询模式匹配方法.该方法在常规模式匹配方法中引入查询模式语义环境,使用搜索技术和聚类技术裁减模式匹配的搜索空间,在保证正确率的前提下,能显著提高匹配效率,满足用户在线响应时间要求.实验证明了这种方法的有效性.     

模式匹配的一种新方法

为找出模式匹配中数据源模式和一个全局模式之间的模式对应关系、实例转换和语义映射等 ,采用框架方法来描述待匹配的两种模式 .应用多Agent系统中的Matchmaking方法 ,对框架中的不同槽的内容采用不同的匹配处理 ,是比较新颖的模式匹配方法 .     

一种高效的模式匹配系统中文本检索器的检索策略

随着语义网概念的提出和电子商务的不断发展,模式匹配问题成为人们普遍关注的焦点.本文针对iMAP模式匹配系统文本检索器存在的不足,提出了一个改进的文本检索器检索策略,并根据定义的逻辑不匹配属性判定定理对搜索树进行过滤,实现了搜索树规模的降低,提高了候选匹配的检索效率.     

基于领域知识的不确定关系模式集成

为了解决关系数据库中关系模式集成中的不确定问题,提出了一个基于领域知识的不确定关系模式集成模型。该模型运用领域知识、语义集成方法和证据组合方法处理模式集成各个阶段的不确定性,并给出了各阶段不确定度的表示和计算方法。文中给出了不确定匹配关系和不确定模式集成的全新定义,提出了一种全局集成模式可信度的计算方法。实例分析证明该模型是可行的,与已知方法相比具有较高的执行效率和较低的时间复杂度。     

A Cooperative Schema between Web Sever and Search Engine for Improving Freshness of Web Repository

0 IntroductionTIon tceorpneet w ,itthhefr cerqauwelnetr sch oafn sgeeasr cohf tehneg iinnfeo rnemeadti toon uopnd tahteethe web pages visited. Different pages have different changefrequencies[1].Sothe crawlers must firstly esti mate which pa-ges need to b…     

一种实体模式匹配算法

提出了一种异构数据源的实体模式匹配算法.算法从中英双语的环境出发,利用基于中文wordnet的中英文词义相似度算法和中文分词工具,从列名距离、数据类型、数据内容的词性成份等角度来建立同类实体不同模式之间的映射关系.该算法可用于分析数据空间中不同数据源实体之间的关联,以及其他研究领域中的中英文语义信息相关性分析和实体模式匹配.     

基于模糊匹配的数据库模式测试方法

数据库模式测试是数据库系统测试的重要工作.在前期的研究中已经实现了一种简单的数据库模式测试方法,该方法针对数据库ER模型和逻辑模型不一致的问题进行了研究.但是该匹配方法单一,属于一对一的语义匹配,为了解决这一局限性,提出了一套基于“模糊匹配”的数据库模式测试方法.该方法考虑了以上方法的不足,使用“模糊匹配”对数据库模式进行测试,解决了由于数据库结构复杂导致测试结论误报率高的问题,并且将数据字典信息作为匹配标准,对匹配信息进行种类划分,减少了匹配工作量,同时还将语义信息和结构信息相结合,提高了匹配准确度.     

SIFT算法的改进

【目的】为了减小三维重建的重投影误差,提出一种改进的SIFT(Scale Invariant Feature Transform)算法。【方法】首先使用SIFT提取和匹配特征点,将这些匹配点作为归一化互相关(Normalized Cross-correlation,NCC)的初始匹配对;然后使用特征点的主方向对局部图像进行旋转校正;最后计算该初始匹配对NCC系数并将相似地貌中的误配点剔除。【结果】该方法剔除了大量的误配点,提高了特征点的正确匹配率和重建结果的精度。【结论】改进的SIFT算法能够得到更为准确的匹配点对,获得较好的重建效果。     

模式匹配技术

模式匹配作为模式的基本操作已成为数据集成、数据仓库、电子商务等许多应用领域的基本问题。本文主要介绍关于模式匹配的定义、分类及已实现的几种通用化的模式匹配系统,指出了这些系统的优点及不足,并讨论了该领域未来的发展方向。