在非时齐马氏决策过程中的动态贝叶斯网络研究

提出了用动态贝叶斯网络（DBN）对非时齐马氏决策系统进行建模的改进方法，使动态贝叶斯网络能被更广泛地应用于各种复杂的真实系统中．该方法的基本思路是，将扩展后的隐藏变量引入DBN的演化过程来建立假设条件所要求的马尔可夫模型，给出从不完整的样本数据集以及存在隐藏变量时来学习DBN结构的算法，进而用贝叶斯概率统计方法对后来的时间片的充分统计因子进行估计，并通过当前已存在的和估计的充分统计因子对基于时间变化的转移概率进行学习，以解决假设条件要求的转移概率的时不变性．原理性分析和仿真实验结果也验证了改进方法的有效性．     

面向异质可扩展标记语言文档的近似查询算法

提出了一种面向异质可扩展标记语言（XML）文档的近似查询算法（TPQR）．利用模式重写策略，通过对XML模式之间语义相似度及节点映射关系的求解，将原始查询树改写为多种XML模式下的重写查询树，从而解决了XML数据的多样性带来的查询语义缺失问题．将经变异操作序列得到的变异查询树精确地嵌入在XML数据树之中，即可将XML近似查询问题转变为多棵变异查询树的精确查询问题．在汽车外形智能化设计的实验中比较了TPQR算法和静态有序选择算法，结果表明，在查准率、查全率上，前者比后者分别提高了5％～10％和10%～30%．     

动态贝叶斯网络在复杂系统中建模方法的研究

提出了用动态贝叶斯网络(DBN)对复杂系统进行建模的有效方法。基本思路是将扩展后的隐变量引入了DBN的演化过程中来建立马尔可夫模型,并给出了引入扩展后的隐变量的DBN结构学习算法框架。进而,利用贝叶斯概率统计方法对后续时间片的充分统计因子进行了估计,并通过当前已存在的充分统计因子和估计的充分统计因子对基于时间变化的转移概率进行了学习。原理性分析和仿真实验结果也验证了该方法的有效性。     

基于Oracle的分布式数据库透明性问题的研究

提出了一种解决分布式数据库透明性问题的模型方法.首先从分布式数据库的四个层次的透明性出发,着重分析了扩展的关系型数据库---oracle数据库在四个层次上的透明性的实现机制,接着,给出了一种基于全局关系查询服务和命名服务的解决方法,并针对复杂关系查询问题进一步进行了分析和模型建立,试图提高对分布式数据库的查询效率和效能.     

八邻域网格聚类的多样性XML文档近似查询算法

提出了一种基于八邻域网格聚类的多样性XML近似查询算法.首先给出了支持XML文档间语义距离计算的3种编辑操作代价模型,再利用XML文档间的语义距离建立XML文档的向量模型并设计基于八邻域网格的XML文档聚类算法,进而利用聚类过程中得到的物理和逻辑聚类中心对静态有序选择算法的查询评估策略进行优化,这样做只需定位聚类中心所在组群的局部范围,并在该范围内进行目标查询,而无需遍历整个XML数据库,从而快速返回满足用户需求的查询结果.经汽车外形智能化设计实验表明,所提算法的查询速度比静态有序选择算法平均提高了3~4倍.     

基于Oracle的分布式数据库透明性问题的研究

提出了一种解决分布式数据库透明性问题的模型方法.首先从分布式数据库的四个层次的透明性出发,着重分析了扩展的关系型数据库---oracle数据库在四个层次上的透明性的实现机制,接着,给出了一种基于全局关系查询服务和命名服务的解决方法,并针对复杂关系查询问题进一步进行了分析和模型建立,试图提高对分布式数据库的查询效率和效能.     

基于本体的多源异构XML数据近似查询方法

提出了一种基于本体的面向多源异构可扩展置标语言（XML）的近似查询方法．该方法将传统的基于查询模式树松弛的近似查询策略与基于本体的XML数据集成思想相融合，首先建立文档类型定义结构与全局模式的映射模型（PTO），再将PTO与近似查询领域的松弛操作、打分机制相结合，提出了一种新的XML近似查询算法——OAXQ．这样，用户在全局模式下的查询语言不再是Xpath查询表达式，而是对象查询语言的一个简单子集，松弛的产生不再依靠查询模式树的变换，而是通过一系列映射规则转化而成．汽车外型的智能设计实验表明，OAXQ算法的查询速度比单纯基于查询模式树松弛策略的静态有序选择算法平均提高了20倍，查询准确度提高了2％～24％．     

一种基于与(或)逻辑实现的信息分存算法

针对传统信息分存算法运算量大和计算复杂等问题，通过引入合式基，提出了一种基于与（或）逻辑的信息分存新算法．它可通过对合式基进行动态分组来构造不同的信息分发和恢复方案，使算法具有动态自适应能力和可扩展能力，同时利用分发恢复过程与加密伪装过程的松耦合性，并结合经典的加密和信息隐藏算法，使算法具有高安全性．实验结果表明，在同一分组内的各个分存子信息的恢复能力相同，不同分组可负责恢复分发信息的不同部分，但恢复能力不同．若分组内仅有一个合式基，则该分组内对应的分存子信息必须参与信息恢复；若分组内对应的合式基分别参与该分组不同分存子信息的构建过程，在满足约束的情况下，允许分组内若干个分存子信息不参与信息恢复，其结果并不影响分发信息的重构．