国防大数据概论

给出国防大数据的定义,归纳提炼国防大数据的特征,分析国防大数据所面临的挑战,并提出国防大数据研发和应用所需解决的科学问题及关键技术,最后给出发展建议。通过对国防大数据的研究,建立巨型国防大数据平台、货柜式国防大数据平台以及嵌入式国防大数据系统的概念,以便全面提升军队核心战斗力,在未来智能化战争中取得军事优势。     

多值依赖无分裂覆盖问题的研究

基于函数依赖规范化理论及多值依赖基本概念，给出了多值依赖的分裂、无分裂多值依赖集等定义，提出了满足无分裂多值依赖集的良好特性，以及无分裂多值依赖集的判定算法，并且提出分裂多值依赖集存在无分裂覆盖满足的条件及其算法．这对于多值依赖集化简、规范化设计和无环数据库设计提供了理论基础．     

关系数据库模式设计工具SRSP

阐述了数据语义的E-R图表示及从图中提取数据依赖的方法。介绍了模式设计工具“数据语义表示和模式生成系统”(SRSP:Semantics Representation and Schema Produce)的设计思想、实现方法及主要功能。     

Boyce—Codd范式的判定与分解

给定关系模式Ｒ和函数依赖集Ｆ，当Ｘ为Ｒ的一个真子集时，判定Ｘ关于Ｆ是否为Ｂｏｙｃｅ－Ｃｏｄｄ范式（以下简记为ＢＣＮＦ）是ＮＰ完全的，这一问题的难点在于Ｆ在Ｘ上投影的计算，本文给出了计算函数依赖集投影的一个实用算法，将其用于ＢＣＮＦ的判定，并在此基础上建立了ＢＣＮＦ的一个无损分解算法。     

演绎的面向对象数据库中集合的实现

演绎的面向对象数据库把演绎与面向对象技术结合起来，形成一种新的数据库系统，基于复杂对象的演绎技术及其实现一直是该领域的研究中的热点。讨论演绎对象库系统ＦＬＯＯＲＳ中集合的语义、语法及其实现技术。     

“数据科学与大数据的科学原理及发展前景”——香山科学会议第462次学术讨论会专家发言摘登香山科学会议第次学术讨论会专家发言摘登

在第462次香山科学会议上,许多专家也就＂大数据科学原理与发展前景＂做了报告或即席发言,本刊对专家们的发言内容进行了整理,现选取一些专家的精彩观点,以飨读者。以下专家发言按发言先后顺序排列：     

基于语义路径覆盖的Gene Ontology术语间语义相似性度量方法

进行GO(gene ontology)语义相似性度量是解决生物学数据集成中语义异构问题的重要方法. 传统方法主要是基于距离的度量和基于信息量的度量.文中提出了一种基于语义路径覆盖的度量方法，并实现了其中Combine算法.该算法首先计算出每个节点的信息量，然后分别计算两个节点的语义路径的交的节点信息量之和以及这两个节点语义路径的并的节点信息量之和，将这两者之间的比率作为相似性度量值.实验结果表明该算法具有较高的相关系数.     

Gen-Cluster:一个基因表达数据的高维聚类算法

基因表达数据聚类是分析基因之间共调控关系的重要手段.挖掘子空间中表达值存在差异但变化趋势保守的序列已成为基因表达数据聚类的主要研究内容之一.在N-同维趋势相似定义的基础上,提出了一个基因表达数据的高维聚类算法Gen-Cluster,将基因表达值转化为序列形式,采用无重复投影且无候选生成的序列模式挖掘策略自底向上挖掘N-同维趋势模式,并解决了OP-Cluster算法不能挖掘含有项集的序列模式问题,最终得到表达值变化趋势保守的基因序列形成的N-同维趋势簇.实验采用Breast Tumor和MicroRNA表达数据集,验证挖掘结果是有效的,且较OP-Cluster算法表现更高效率,并涵盖其结果.     

基于方差波动多重分形特征的金融时间序列聚类

提出了一种新的概率函数计算方法，用于研究金融时间序列在方差波动方面的多重分形特征。在此基础上提出了一种基于多重分形的时间序列聚类算法，该算法能够根据不同的分析目的，灵活地使用不同的概率函数以及序列的多重分形特征参量进行聚类。对上海证券市场实际数据的实验结果表明，本文提出的聚类算法是灵活有效的。