加权模糊聚集算子研究

在数据挖掘、模糊专家系统和多Agent协同决策过程中,要经常面对信息聚集技术和对多个模糊数据来源进行聚集运算,一般用得最多的是合取、析取及加权平均等算子,但是不同的领域有着不同的需求,本文着重对加权聚集算子进行研究。首先,提出了加权平均关系与析取关系结合后的析取-加权平均算子,该算子解决了加权平均算子不能区分析取与合取的关系。然后,提出了一种最大加权平均算子和最小加权平均算子,该算子将最大最小值算子与加权平均算子进行了泛化,解决了同时考虑信息局部性特征与信息整体性特征的问题。理论分析表明,本文提出的加权模糊聚集算子对于模糊信息源的聚集运算起到了很好的补充和完善的功能。

Deep Web集成中数据模式映射失效检测方法研究

查询接口集成是Deep Web数据集成的关键,在动态环境下,Web数据源的变化会引起数据模式映射的失效,使得查询接口集成维护难度增加,因此数据模式映射失效检测是Deep Web数据集成研究中的热点问题.针对目前数据模式映射失效检测方法的局限,在模糊聚集算子的研究基础上,提出一种适用于数据模式映射失效检测的结果融合算法.通过实验对比测试,并对映射失效检测方法的性能和效率进行了分析和实验,结果证明了提出的方法对于失效模型的检测是有效的.

数字化校园环境下异构数据映射维护关键技术分析

异构数据的集成问题是数字化校园建设首要解决的问题之一,而其关键在于通过映射技术建立异构数据之间的一致性。映射失效检测是数据集成中维护系统有效运行的重要基础,是进行映射维护的关键。根据学校数据集成特点,通过引入模糊聚集算子,提出了一种映射失效检测的方法。