基于依赖关系的数据流Petri网一致性分析

现有的大部分关于业务流程一致性的研究主要考虑控制流.而数据信息也是流程中需要重点关注的部分,在考虑数据视角后,模型与事件日志间的一致性可能出现很大的不同.提出一种基于依赖关系的数据流Petri网一致性检查方法.方法引入决策表的概念,通过寻找模型中存在的决策点并对其添加决策表来构建合理且尽可能贴合实际系统的数据流Petri网模型;根据模型与事件日志中存在的依赖关系,使用给定的代价函数计算最优对齐与参考对齐所需代价值,在此基础上计算得到日志与模型的一致性度,根据结果衡量流程执行的一致性;通过实例分析对所提方法进行验证,结果表明,融合数据流与决策表的方法在一致性检查中更具合理性.     

基于有向无环图的函数依赖一致性数据生成

针对函数依赖一致性数据生成问题,采用有向无环图作为函数依赖集合的描述模型,提出一种单函数依赖一致性数据生成算法 （TGSFD）;并通过属性排序解决多函数依赖一致性数据生成问题;为了利用流水线技术提高数据生成效率,提出最小独立属性子集概念,并给出了属性集划分算法. 实验表明本文提出的TGSFD和属性排序算法能够保证生成的数据满足函数依赖一致性,属性集划分和流水线技术可以有效提高数据生成效率.      

一种应用代价评估的推测多线程路径预测方法

推测多线程技术对于自动并行化非规则程序是有效的,然而基于控制流图和分支预测方法的线程划分方法,不可避免地受到划分路径上存在的控制依赖和数据依赖制约.针对现有的路径预测方法在考虑控制依赖影响的同时却不能有效地综合考虑数据依赖影响的问题,提出一种新的基于代价评估的路径预测方法,通过引入数据依赖模型,综合评估控制和数据依赖两种影响因素,寻求一条具有近似最小推测开销的推测划分路径.实验结果表明,文中提出的路径预测方法能够计算出代价更小的推测划分路径,并取得了更好的加速比性能,总体上系统可以得到2.43%的加速比性能提升.     

基于消息队列的分布式系统数据一致性方法研究

为在分布式环境下保持数据的一致性,结合一个实际的容灾系统,对维护分布式数据库数据一致性问题进行了分析.根据对当前数据一致性维护技术的研究和比较,提出一种基于消息队列技术的一种实现数据一致性的方法.该方法通过对数据同步的研究,保证了实际容灾系统在一定条件下的数据一致性.     

网络切片中物理节点的分布式在线异常检测方法

网络切片中的异常检测问题是实现网络切片自动化管理的重要研究内容,针对网络切片中物理节点的异常检测问题,提出了基于支持向量数据描述的分布式在线物理节点异常检测方法.基于支持向量数据描述建立了一种分布式的物理节点异常检测模型;通过引入随机近似函数,解决了数据分布式存储场景下的核函数计算问题,从而实现观测数据的切片内处理;基...     

语义知识库构建中的异常数据发现

为了提高RDF知识库的数据质量, 提出RDF图数据的异常检测及其自动修复的方法。首先, 原创性地定义了基于图的条件函数依赖(GCFD), 能够将属性值和语义结构的依赖关系统一表示; 然后, 提出有效的算法框架以及优化策略, 挖掘RDF数据中的GCFD, 并给出异常数据的自动修复流程; 最后, 在真实的数据集上, 通过大量实验确认解决方案的可行性和优越性。     

基于元模型的多元输出仿真模型校准方法研究

为解决具有多元不同类型输出的仿真模型校准问题,提出一种基于优化和元模型的仿真模型校准方法.首先提出一种基于双层嵌套拉丁超立方抽样（LHS）的不确定性参数传播方法,获得系统同时含有认知和固有不确定性时的输出;其次,给出一种基于数据特征的仿真输出一致性度量方法,实现仿真多元异类输出的一致性度量;进而,利用随机Kriging模型拟合认知不确定性抽样样本与仿真输出一致性度量结果的元模型,并在该元模型上通过遗传算法实现校准过程.最后,通过实例验证了本文所提方法的有效性.      

XML的函数依赖

为了表达引起数据冗余的XML函数依赖,研究了XML中存在的复杂的多种形式的函数依赖约束,提出了一种DTD的路径语言,对于导航和定位XML文档的内容具有较强的表达能力.提出了一套XML模式及文档的形式化描述方法,进而提出了一种XML函数依赖(XFD)的定义.与以前的XML函数依赖的定义进行比较,展示了XFD可以表达更多的XML上存在的函数依赖,可以概括以前的基于路径表达式定义的XML函数依赖的约束能力.     

一种考虑延迟和丢包率的最小代价应用层组播树

针对度约束方式难以减少应用层组播树的延迟和丢包率的问题,提出了一种延迟和丢包率综合代价最小的应用层组播树构树算法.为避免度约束的局限性,给出一个包含延迟和丢包率的复合代价函数,以此来计算传输代价,进而构建了一种最小复合代价组播树的问题模型.为了求解该问题模型,提出了一种基于最大延迟路径贪婪算法的变异算法,同时在构树时对总传输代价进行优化.通过实验,给出复合代价函数的具体参数建议.对比相关算法,文中的构树算法在总传输代价方面有更好的性能.     

一种基于数据依赖关系的内存安全性检测方法

内存安全问题已成为影响C/C++程序正确性和可靠性的主要因素。一些现有的静态代码检测工具无法识别全局变量+跨函数内存管理的内存泄露和未定义越界访问这两种缺陷,且其他动态代码检测工具,因需要在运行时进行插桩等操作,会增加额外的开销导致检测效率慢。为解决这些问题,采用LLVM 15提出一种基于中间语言数据依赖关系的内存安全性检测方法,该方法通过获取并分析LLVM中间语言中指令之间的数据依赖,从而进行判断得出结果。在软件保障参考数据集SARD上的相关测试用例集验证了该方法的有效性,相比现有方法,该方法可以检测这两种内存安全性缺陷。     

基于遍历函数型数据条件分位数估计的相合性

文章利用鞅的方法研究了基于平稳遍历函数型数据条件分位数的非参数估计,在一定的条件下建立了条件分位数估计的相合性,即在遍历数据集下,研究解释变量X取值于某半度量空间而响应变量Y取值于实值空间R时条件分位数的性质;同时给出了相同条件下条件分布函数的相合性和渐近性质,推广了现有文献中的相关结果。     

基于属性预扫描的不确定性函数依赖挖掘

函数依赖是关系数据库和数据建模中所需的关键约束知识。在海量数据中挖掘函数依赖时为降低噪音干扰和提高效率,该文采用带有满意度函数依赖的概念及挖掘带有满意度函数依赖的算法(MFDD),对噪音进行测度与表达,并有效挖掘得到函数依赖最小集。利用对属性散列度的测度概念,在带有满意度函数依赖的理论框架内采用3条优化策略,实现了属性预扫描算法。结果表明:基于该算法可显著提高挖掘效率。     

基于Vague关系数据模型的数据依赖

基于提出的Vague关系数据模型和Vague集之间的相似度量,研究了Vague关系数据库中的数据依赖问题,给出了Vague函数依赖(VFDs)和Vague多值依赖(VMVDs)的定义及其相应的推理规则.该规则类似于经典关系数据库中函数依赖和多值依赖的Armstrong公理系统,称之为Vague公理系统.并对Vague公理系统的有效性和完备性进行了证明.同时还给出了VFDs满意度的概念及计算VFDs满意度的公式.     

中国近海多传感器合并叶绿素数据集检验与分析

针对欧洲航天局(ESA)发布的OC-CCI和GlobColour叶绿素a数据集在中国近海的验证空白，该研究利用中国近海六个航次的现场观测资料，对1998—2020年OC-CCI以及GlobColour叶绿素a产品(包括基于加权平均的AVW产品和基于半分析模型的GSM产品)分海区进行精度检验和长期一致性分析.验证结果表明，OC-CCI数据集的叶绿素a浓度与实测值之间相关系数最高且误差最小，r达0.918,RMSE约为0.497μg·L^-1;在长期一致性方面，OC-CCI与GlobColour AVW叶绿素a产品长期一致性高于其与GSM叶绿素a产品的一致性，且均在叶绿素a浓度较低的南海一致性较高，在渤海和黄东海，OC-CCI与GC AVW和GC GSM叶绿素a产品一致性的年际变化趋势相似，而月度变化趋势存在明显差异.     

模糊关系数据库系统中的函数依赖与多值依赖

用模糊关系数据模型来描述不分明的模糊数据是关系数据库理论发展中的一个重要的新课题。本文用模糊等价关系及其隶属函数来描述模糊函数依赖与多值依赖,看出经典数据依赖是模糊数据依赖的特例。并且证明相应于Armstrong公理的一套模糊数据依赖的推理规则是正确、完备的。     

基于粗糙集理论的贝叶斯网络分类算法

面对生活中数据信息量大的问题,常使用粗糙集对数据进行知识约简,消除数据中冗余的部分。但大多数研究没有考虑约简后对原有分类的影响;常使用的朴素贝叶斯算法又难以获得其先验概率。基于上述问题,本文提出了一种基于粗糙集的贝叶斯分类算法：首先利用粗糙集中决策属性和条件属性之间的依赖关系,进行属性约简,消除冗余的数据,然后通过贝叶斯算法对约简后的数据进行知识挖掘,最后通过对故障源数据的对比分析。该方法既避开了朴素贝叶斯算法对先验概率的要求,又使得数据分类和预测能力有了明显提升。     

面向对象数据库中的数据依赖和规范化

从分析面向对象数据库中的数据依赖着手，提出对象函数依赖概念，它反映了面向对象数据库中对象标识符，复杂对象及集合类型的特点，在对象函数依赖基础上，提出了分解为基础为模式规范化方法，并且特别引入语义相关集的概念，最后，给出类模式分解的形式化定义并证明了类模式的任一分解都是无损分解。     

Fast Computation of Sparse Data Cubes with Constraints

For a data cube there are always constraints between dimensions or among attributes in a dimension,such as functional dependencies.We introduce the problem that when there are functional dependencies,how to use them to speed up the computation of sparse data cubes.A new algorithm CFD (Computation by Functional Dependencies) is presented to satisfy this demand.CFD determines the order of dimensions by considering cardinalities of dimensions and functional dependencies between dimensions together,thus reduce the number of partitions for such dimensions.CFD also combines partitioning from bottom to up and aggregate computation from top to bottom to speed up the computation further.CFD can efficiently compute a data cube with hierarchies in a di-mension from the smallest granularity to the coarsest one.     

基于动力指纹和Bayes数据融合的桥梁损伤识别

受测量噪声的影响,采用单一指标评价桥梁安全容易产生误判,因此提出一种基于Bayes理论的桥梁损伤识别方法.该方法将识别过程分解为损伤定位识别与损伤定量识别两部分,首先采用Bayes公式融合归一化的动力指纹,进行损伤位置识别,进而提取损伤处的动力指纹构建Bayes网络,计算各节点的条件概率,从而识别损伤程度.通过简支梁数值模拟验证了该方法具有良好的抗噪性,尤其能够对小损伤准确定位,对程度差别小的损伤准确分类.