基于XML的虚拟法异构数据集成方法研究

随着信息技术的发展,Web上的数据日趋成为当今数据的主流,但是Web上的数据多是异构的,而越来越多的人需要访问各种异构数据,为了满足这种需求,必须有一种系统能够支持异构数据集成。异构数据集成的方法有很多,给出一个基于XML的虚拟法异构数据集成系统体系结构,引入虚拟法,提出用虚拟法进行异构数据集成;最后引入数据清洗技术,能够较好地解决异构数据的集成。

人脸特征选择中的SVM泛化误差估计

为了研究在人脸特征选择中用支持向量机(SVM)泛化误差界作特征选择判据的有效性问题,结合过滤(Filter)和封装(Wrapper)模型构造了人脸特征选择及识别的新框架,将小波变换(WT)和核主元分析(KPCA)作为Filter模型,最小化SVM的VC维(VC)留一法(LOO)误差界及支持向量span误差界作为Wrapper模型的特征选择判据;通过递归特征排除法(RFE)在UMIST人脸图像库上进行人脸特征选择及识别实验。实验结果表明:判据为VC维的LOO误差界和支持向量span误差界时,特征维数可以分别降低到80和70,而分类识别率仍然能达到94%以上,表明本文所提出的特征选择判据和特征搜索策略是解决人脸特征选择问题的一种有效方法。

异构数据集成方法研究

异构数据集成可分为实际存储方式和虚拟方式两种.主要介绍后一种方式中的基于包装器/中介器(w rapper/m ed iator)的信息集成方式.它通过在全局模式和数据源模式间建立映射关系,实时地对各个数据源进行查询,适用于数据源众多,数据量庞大,数据变化快的情况.它有4种映射方式,LAV、GAV、GLAV和BAV.对同一数据情况分别采用4种映射方法进行对比.最后总结各种方法的特点,及未来发展方向.

基于Gabor变换特征选择的ECG心拍分类

为了解决小波变换法不能有效地提取心拍的局部特征,甚至丢失一些关键特征的问题,该文基于类内类间距离和准确性准则,分别采用顺序浮动前向搜索(SFFS)法和单独最优特征组合法对心拍信号的Gabor变换系数的实部选择。选出的系数与RR间期一起组成最近邻分类器的输入特征向量。数据集来自MIT-BI H(MassachusettesInstitute of Technology-Boston s Beth Israel Hospital)心电数据库的8种类型的心拍。实验结果表明,基于准确性准则和SFFS法即封装法的心拍分类方法准确性最高,为98.65%,仅需利用15个Gabor变换系数,有利于提高分类速度。该方法是一种更有效的心拍分类方法。