子包含技术用于查询优化

目前在面向对象的数据库中，查询优化多集中于调整代数表达式和物理访问数据库的内容上，而语义查询优化由于其层次复杂性而受到限制。本文构造了一种OODB模式，并建立相应的视图及查询模型，确定它们之间的子包含关系，以达到查询优化的目的。     

面向物联网的语义空间资源索引构建及其查询优化算法

面对物联网中的海量空间资源,在空间资源索引的构建中引入语义分类的方法,使得传统的IR树具备语义特征,支持用户对资源的语义查询,并提出一种top-k语义查询优化算法,通过对实际数据的使用和实验分析,得出索引结构的有效性和查询结果的正确性,从索引构建时间、查询时间和查询准确率3个指标来评估算法的性能,实验结果表明,算法支持语义空间资源索引构建,并且查询性能好,准确率高。     

基于查询扩展和分类的信息检索算法

文本信息检索是处理海量文本的重要手段之一，针对短查询串中出现的查全率高但查准率低的问题，引入一种基于查询扩展和分类的信息检索算法。该算法在检索的第一阶段利用自动相关反馈方法扩展用户递交的短查询串增加查询信息，在第二阶段使用文本分类技术辅助检索。分析和实验结果表明：新的算法比传统的查询扩展检索算法具有更好的查准率和查询效率。     

基于混合索引结构的传感器网络查询系统仿真

检索场域内节点q的k个最近邻节点感知信息是无线传感器数据库系统时空查询方法的重要一环。结合索引结构和非索引结构的最近邻节点查询框架,提出了基于混合索引结构的传感器网络最近邻查询系统模型及算法,采纳贪婪路由协议中的非索引结构的位置路由算法将用户需求转发到节点q,q分析用户查询需求,结合k计算查询区域半径,同时基于改进的索引结构查询体系得到用户需求信息。为拓展算法在动态拓扑网络结构的移动无线传感器网络上的应用,探讨了一种改进的最近邻查询方法。通过大量实验仿真,证实所提混合索引结构方法充分吸收了索引结构和非索引结构等体系的优点,在减少系统能耗和提升网络服务质量等方面均有所改进。     

交叉立方体全端口虫洞路由广播算法

交叉立方体(crossed cube)是超立方体(hypercube)的一种变型,其某些性质优于超立方体,比如其直径几乎是超立方体的一半。广播通信是并行计算机系统最基本的通信方式。在全端口虫洞模型下,利用递归将交叉立方体分解为互不相交的子交叉立方体的方法,提出了交叉立方体的广播路由算法。其所需时间步为o(n/log2(n 1)),在常数因子范围内是最优的。仿真实验结果进一步说明了算法具有很好的通信性能。     

一种基于语义本体的Web服务自动组合算法

服务组合是Web服务应用的一个重要研究方向。提出了一种基于语义本体的Web服务自动组合算法,该算法用Web服务本体OWL-S和领域本体描述Web服务,将两个服务之间关联度的计算转化为加权二部图的最优匹配问题,然后利用改进的Kuhn-Munkres算法计算服务关联度;最后,在此关联度的基础上提出一种服务自动组合算法。实验结果表明,论文提出的服务组合算法可以根据用户请求动态的生成服务组合,并通过域值控制保证了服务组合的质量和效率。     

基于层次本体模型(HOM)的语义相似度计算方法

本体映射通过计算实体之间的局部的或/和全局的语义相似度来确定实体之间的关系。除了实体之间的局部或/和全局的关系外,在很多情况下整个本体之间的关系对于计算语义相似度也是很有帮助的。本文试图利用这些关系来计算实体之间的相似度以改进本体映射的性能。为此,本文以范畴论为基础提出了一个层次化的本体模型(hierarchical ontology model,HOM)用以形式化描述这种关系。在此基础上,还提出了一种本体映射算法HOM-Matching,该算法利用本体之间的关系来计算实体之间的语义相似度。两组实验表明:通过设定合适的参数,该算法可以较好地提高本体映射的性能。     

基于WordNet重用的领域本体构建方法

构建本体是开发基于语义信息系统的重要步骤,提出了一种基于WordNet重用的领域本体构建方法。该方法分析了WordNet的结构和语义关系,将WordNet抽象为图模型,从中抽取以领域术语为节点的子图,得到一个领域子本体,再利用编辑工具对其进行修改和完善。实验结果表明,该方法可以重用WordNet的结构并从中获取领域知识,并半自动地快速构建领域本体。     

Skyline查询应用扩展及其优化算法

Skyline查询处理是近年来信息管理和数据库交叉学科的一个研究重点和热点, 其广泛应用于多标准决策支持系统、城市导航系统、数据挖掘和可视化以及信息推荐系统等领域. 然而, 在实际的联机查询应用中, skyline查询的结果具有固定和多用户共享特性, 因此, 随着时间的推进, 查询结果的可选择性逐步降低, 从而最终导致查询结果无法满足用户的需求. 为此, 提出k-quasi skyline查询, 来丰富传统skyline查询的结果集, 并与目前主流关系数据库产品无缝集成.为了提高任意维空间上k-quasi skyline查询的效率, 设计了基于正规格索引的计算方法EARG (efficient algorithm based on regular grid).EARG算法通过格之间的支配关系来缩减对象间的比较次数, 从而显著降低k-quasi skyline计算的时间开销.理论分析和实验结果表明, EARG算法具有有效性和实用性.     

基于分解技术的动态多目标引力搜索算法

为有效求解动态多目标问题,提出一种基于分解技术的动态多目标引力搜索算法.首先为在环境变化前,得到解集分布性和收敛性都较好的非支配解集,采用基于分解技术的静态多目标引力搜索算法求解环境变化前的静态多目标问题;当环境变化后,根据相邻子种群最优解的相似性与同一权重向量对应子种群最优解的相似性,提出一种新的对最优解的预测模型,以缩小环境变化后各子问题的搜索空间,提高算法的求解效率.最后与目前较先进的静态多目标算法和预测策略在四个测试问题上进行比较,实验结果表明,当待优化问题随时间变化时,本文方法能够取得收敛精度更高、解集分布性更好的最优解集.     

不确定处理时间批处理过程的鲁棒调度新策略

针对化工批处理调度过程中处理时间不确定的问题,建立了具有分解结构的调度模型,提出了一种新的鲁棒调度策略.策略由基本调度策略和在线调整两部分组成,分别与模型的主问题和子问题相对应.提出了基于遗传算法的分解算法求解模型,以获取具有鲁棒性和最优性的基本调度策略.通过对子问题的分析,提出了运用简单的推理进行在线调整的方法,无需复杂计算,并运用动态规划的原理说明了该方法的可行性和最优性.最后用实例说明了该鲁棒调度策略的有效性.     

基于OWL的上下文感知建模与推理方法

上下文感知计算是普适计算研究领域中最为重要的一个方面,针对上下文感知计算中缺乏与自动推理支持的问题,提出了一种基于本体描述语言（web ontology language, OWL）的上下文感知建模与推理方法。OWL是以描述逻辑为基础的本体形式化语言,可以满足上下文知识共享与上下文本体自动推理的需要。该方法首先提出了一种本体引导的上下文模型框架,根据抽象层次的不同将上下文分为元模型与领域特定模型两层结构,然后采用OWL形式化描述该上下文模型,设计了上下文模型到OWL的转换算法,并利用本体自动推理工具完成了上下文推理,并以一个实际案例说明该方法的可行性。     

一种基于网络分析的语义冗余发现方法

以农业AGROVOC本体为例,结合语义万维网推理机制定性分析冗余信息产生原因,利用复杂网络分析方法量化推理过程中产生的冗余,进而确定本体中的核心概念,解决推理冗余问题。实验表明,复杂网络分析方法可从定量角度找出核心节点及导致推理产生冗余的边,并揭示了语义冗余引起的推理效率降低问题。为优化本体设计、提高推理效率提供了一种新的可行方法。     

任务主体二元约束下作战任务分解EVA方法

针对复杂作战任务分解中存在的随意性、不确定性问题, 综合考虑任务主体能力属性和结构特征等二元约束, 提出了一种由子任务集提取(extraction, E)、约束检验(verification, V)、子任务集调整(adjustment, A)等步骤递进循环形成的任务分解EVA方法。首先, 构建了全局任务空间, 提出基于任务匹配的子任务集提取方法; 其次, 针对任务主体能力属性和结构特征的二元约束, 建立了子任务集调整模型, 通过改进精英保留策略, 引入任务分解粒度和交叉变异概率动态调整策略, 提出了一种引进的非支配排序遗传算法-Ⅱ(improved non-dominated sorting genetic algorithm-Ⅱ, INSGA-Ⅱ)算法; 最后, 进行仿真实验, 验证了算法相较于传统多目标优化算法在解集多样性、收敛性和时间性能上的优势。研究结果表明, 所提方法能够使决策者依据任务主体实际自主调控任务分解结果, 在一定程度上克服了传统方法过度依赖主观经验, 忽略任务主体能力属性、结构特征约束的问题。