基于Rough表达的时态关系代数

现实世界的信息是和时间紧密相关的,因而记录和处理信息的数据库系统应该对时态问题进行考虑,以便更有效地解决现实问题;另一方面,现实世界的某些属性又很难用属性值简单描述。首先是用Rough理论对属性值进行一种刻画,用二元数组来表达属性值,并且将这种属性值的表达方式推广到一般情形,而后从时态映射的观点描述时态元组和时态关系,并由此形式描述相应的时态关系运算,从而建立了一套时态关系代数体系。

Rough关系的属性值分解

提出了一种将粗糙关系数据库(Rough Relation Database,RRDB)中的Rough关系分解的算法.Rough关系存储时比标准关系更节省空间,降低了数据库的冗余度,但很多情况下,需要把Rough关系转化,如进行一些查询工作.给出了对粗糙关系属性值进行分解的原理与算法,分析了其算法复杂度,最后用实例验证了算法的有效性和可行性.

粗糙关系数据库空间结构及其粗糙集模型

粗糙关系数据库模型从本质上来说就是多值信息系统,它继承和扩展了经典的粗糙集理论,但与经典粗糙集理论又有着很大的不同。该文扩展了多值信息系统模型的定义,分析了粗糙关系数据库模型的空间结构,为粗糙数据库的不确定性进行度量提供一个依据,同时通过对粗糙关系数据库空间结构的分析,导出了基于粗糙关系数据库的上、下近似以及值约简,进一步基于粗糙关系数据库的空间结构定义了属性集之间的部分、传递依赖关系和粗糙关系数据库的规范,定义粗糙关系数据库的连接算子,并以此为基础得出了粗糙关系数据库的关系模式分解定理,为粗糙关系数据库模型的进一步研究提供了理论基础。

粗关系数据库中的粗函数依赖研究

以粗集理论为研完方法,针对粗关系数据库属性值非原子性的特点,从语义等价的角度改进了已有的粗关系数据库函数依赖定义,提出了其修正定义粗函数依赖,使之更客观地反映粗关系数据库中数据的语义联系,体现现实世界不确定性信息的粗糙性和不完备性。本文还给出了判断粗函数依赖是否成立的算法,并用粗关系实例验证了粗函数依赖的优越性,探讨了基于粗函数依赖的推理规则。

基于相似度的粗关系数据库的近似查询

基于数据库理论和粗集方法研究了粗关系数据库中不确定数据的存储、索引和检索。提出了分别采用邻接表和十字链表实现粗关系数据库中属性值等价类和元组数据的存储;借助汉明距离和聚类方法,提出了实现粗关系数据库索引的方法;提出一种基于Rough集中的上、下近似计算数据间的相似度,并基于相似度给出了对粗关系数据库进行查询的模型,设计了相应的查询算法。最后,通过一个具体实例说明了查询算法的可行性和有效性。

粗糙关系数据库及其发展

对粗糙关系数据库(rough relational database,RRDB)在国内外的发展状况进行了探讨。具体分为两部分,其一,对于与粗糙关系数据库相关的几个概念及它们之间的关系进行了研究;其二,从多值信息系统的规则生成及属性约简、RRDB的粗糙算子研究、RRDB的数据查询及数据更新、RRDB的度量研究及粗糙函数依赖等几方面对目前粗糙关系数据库在国内外的发展状况进行了总结回顾。

粗关系数据库中的数据更新

根据粗关系数据库中数据的特性,借助邻接表、十字链表存储不确定性数据,其中邻接表用于等价类的存储,十字链表用于数据库中基本表的存储。与传统的关系数据库更新不同,在粗关系数据库中更新基本表时,相应地等价类也要随之更新,该存储结构加快了对数据库中的数据更新速度。将算法与实例相结合,根据用户条件详细地讨论对等价类和RRDB中基本表的数据更新。

粗糙函数依赖的近似度量

为了发现粗糙关系数据库中潜在的和有趣的模式,提出并研究了粗糙函数依赖的近似度量和精确度量。首先,对于关系数据库的近似度量及其满足的性质进行了研究,在此基础上提出了粗糙关系数据库(Rough Relational Database,简称RRDB)的近似度量及精确度量,对该两种度量进行了形式化定义,并且进一步研究了他所满足的性质,给出了相应的实例。该度量的提出及其性质的研究有利于粗糙关系数据库的知识发现及数据查询的研究,并且进一步扩大了粗糙关系数据库的研究领域。

粗糙关系数据库的数学基础

在引入粗糙关系数据库(Rough Relational Database,RRDB)的基本概念基础上,分析得出粗糙关系数据库中使用的几个主要数学理论包括等价关系、分解、位模式、粗糙熵及粗糙集理论,并进一步深入研究了这些理论在RRDB中的相关性质,对它们在粗糙关系数据库中的应用进行了探讨。

基于RST的粗关系数据库的熵研究

熵是度量信息不确定性的重要工具,粗集数据分析方法研究粗关系数据库熵的重要方法。首次利用复合粗近似算子概念和方法,由属性值域上的二元关系导出了粗关系模式实例元组之间的二元关系,为利用粗集理论来研究粗关系数据库提供了必需的前提条件。在此基础上,提出了基于粗集的粗关系模式及其实例的信息熵和粗糙熵的概念,同时给出了它们的计算公式。最后以一个工程实例的计算验证了本文方法的有效性。

粗集理论中的容错关系及其构造方法

粗集理论（Rough Sets Theory，RST）在许多领域已得到成功的应用，它在处理不完全、不精确、不确定性智能信息问题中表现出优秀品质。然而在标准RST理论中存在有局限性，比如对等价关系的定义使得知识约简相对复杂化。论文提出了基于RST的容错粗集的概念，给出了容错粗集上的性质，使得在进行知识约简时无需进行量化。从而大大提高了知识发现的效率。

因素空间与数据科学

为解决粗糙集和形式概念分析在数据库中所施展的无母体论的样本操作问题,提出了以因素空间为母体的关系数据库样本理论,为非传统概率统计方法提供了新的信度基础.通过回溯因素空间的发展历史及其成果,介绍与关系数据库的关系,说明了因素空间乃是数据科学最贴切的数学基础理论.研究结果表明:在因素空间基础上所建立的样本理论与传统的概率统计理论有本质的不同,样本不仅是分析的根据,更是培植的对象;对于凸背景关系,面对着大数据流,数据分析师只需把握住为数不多的样本基点,随时按规则调整这组基点,便可获得母体完整的信息.

基于相似粗糙集的决策数据库水印

数据库水印因其独有的与其它多媒体水印不同的特征,在水印嵌入时也不能照搬多媒体水印技术。针对其容易破坏数据的使用价值和具有属性顺序敏感性等不足之处,提出了一种基于相似粗糙集的新算法,用粗糙集衡量条件属性的重要性,选出对决策影响最小的数值型属性作为候选属性,是数字水印嵌入前的预处理。按照提出的算法嵌入水印,既不影响数据库的决策,又避免了盲目选择嵌入属性可能造成对数据库完整性和一致性的破坏,有力地保护了数据库的原始性。

位模式下粗糙函数依赖近似度量的研究

利用粒计算位模式方法对粗糙关系数据库(Rough Relational Database,RRDB)的粗糙函数依赖的度量问题进行研究。首先对粗糙函数依赖、RRDB中粗糙上下近似进行了分析,然后利用位模式表示粗糙关系的属性值,在此基础上给出了位模式利用粒计算方法对粗糙函数依赖进行度量的模型,并研究了其满足的性质。

RRDM粗函数依赖的信息熵研究

粗函数依赖是粗关系数据库理论体系中的重要环节,粗数据分析方法是计算包括数据库在内的各类信息不确定性的重要方法.本文从粗集理论出发研究了粗关系模型及其数据库实例的粗函数依赖问题.根据粗关系数据库中数据的语义联系构造了粗关系数据库实例元组之间的二元关系,研究了其性质.在此基础上,从信息熵的角度定义了粗函数依赖概念,并研究了它的性质及其满足的推理规则.

从关系数据库中挖掘规则的粗集方法

利用粗集理论分析了关系数据库中属性间的因果关系 ,研究了从关系数据库中挖掘规则的方法 ,对该方法中条件属性的简化、提取规则的最小简化策略进行了详细讨论 ,给出了相应的算法。

粒计算支持的粗糙函数依赖的研究

利用粒计算方法对粗糙关系数据库(Rough Relational Database,RRDB)的粗糙函数依赖进行研究。首先提出了两种类型的粗糙函数依赖及粗糙相似关系的概念,分析了如何利用位模式表示粗糙关系的属性值,在此基础上给出了利用粒计算方法对粗糙关系的属性间的依赖关系的进行判定的算法,实验验证算法是有效可行的。

粗关系数据库查询模型

针对粗关系数据库中数据的特性,提出一种不确定性数据的存储方法。基于汉明距离的一种变式,计算元组间距离,构成距离矩阵,根据距离矩阵将相同或相近的元组归类,从而有效地对表中的元组进行索引。借助粗集中的上、下近似,通过计算用户查询的数据与粗关系数据库中数据的相似度,查询出用户所需的数据。结合以上方法构建粗关系数据库查询模型,设计相应的查询算法并应用于实例中。

基于关系数据库的粗糙集约简改进算法

以粗糙集约简和关系数据库为研究对象,提出了一种带有数据预处理和新启发式信息值的粗糙集约简改进算法。通过应用了该改进算法的DBRuduct工具进行实验,实验数据表明决策表的对象个数和约简计算时间之间成近似线性的关系;以Rosetta中的遗传算法求得的约简作为实验参照,该算法不但可以在含有不一致数据的情况下获得正确的核属性,而且还使约简算法求得的约简更加趋向于最小约简。

一种粗关系数据库索引方法

根据粗关系数据库中所存数据的特性,提出不确定性数据索引方法。将粗关系数据库中的元组属性值以二进制串表示,借助改进的汉明距离公式计算元组间的距离,构成距离矩阵,根据该矩阵中的距离值将元组分类,从而实现对表中元组的索引。给出描述索引的算法,通过实例说明了该索引方法是可行和有效的。