有效生成XML键的智能拓展算法

提出一个针对XML文档数据有效生成XML键的智能拓展算法。该算法利用事先定义的标识键文件生成完备的键集,同时对该标识键文件动态更新。理论分析和仿真实验表明,该算法获得的键集有效性较高,对于大规模XML测试数据其优越性尤为明显。

基于函数依赖的XML键的推理及其求解算法

键是数据库模式和概念设计的基础，是语义的一个重要组成部分。随着XML成为Web上一种通用的数据交换标准格式，将键的概念引入到XML领域就显得非常迫切。本文基于路径和树元组表达式，从数据库设计的角度出发，在XML函数依赖形式化定义的基础上给出XML键完整陆约束定义、XML绝对键和相对键的有效和完备的推理规则，并提出使用多项式时间求解XML候选键的算法，为XML数据库模式的规范化设计奠定了理论基础。

基于Schema标准的XML键及转化算法

与DTD相比,Schema能更细致、准确地描述XML文档的模式。在Schema形式化定义等一系列概念的基础上,对参与闭包运算的元素类型定义XML键,并提出了应用XML键对绝对的XML键和相对的XML键进行相互转化的算法,有助于研究XML键的覆盖集问题。

消除XML键数据冗余的相关规则

XML数据已经成为Internet上的主流数据,但目前大部分XML规范化理论局限在层次的冗余上,从数据库的角度出发,以XML键为中心结合函数依赖FD和多值依赖MVD描述XML数据间的约束;基于主键、副键分析不同情况下的数据冗余,给出相应的规范化规则,得到消除数据冗余的XML模式。

基于规范化关系模式生成XML的键

现实应用需要从关系数据库中提取数据并以XML的形式进行发布，需要利用定义在XML文档上的键检测发布后的XML文档是否满足原先关系数据库的语义及完整性约束。文章提出了生成XML键的方法，该方法由关系数据库中的键、外键约束构造规范化关系模式的约束概念层次图，并保持语义映射为有效的、完全的XML键约束。

XML模式到关系范式的映射

虽然新一代的数据库技术如对象数据库、XML数据库等已经开始迅速发展,但这些新技术在现阶段仍然很不成熟,因而目前对Java复杂对象以及XML数据的普遍处理办法是将其转换成关系格式以便利用目前成熟的关系数据库技术进行存储和查询。该文介绍了如何实现XML模式(DTD)到关系数据库范式的映射,由该映射得到的关系模式必须保持XML DTD的语义信息,同时是满足某种规范化约束的关系范式。

自适应的混沌粒子群算法优化XML文档聚类策略

为了提高海量XML文档集的聚类质量,提出了一种基于粒子群的XML自适应混沌聚类算法(简称ACPSO);为了简化XML文档相似性判定,该算法以XML键为基础,结合混沌原理与粒子群算法划分XML文档;为了加速算法的收敛性,通过对算法相关参数的自适应学习与权重调整,增强XML文档的全局寻优能力,改善XML文档聚类的质量。对比其它聚类算法,仿真表明本算法不仅能有效避免聚类停滞现象的发生,而且是一种高效的XML文档聚类方法。

自适应的混沌蚁群聚类XML分片模型

针对海量XML文档查询复杂等问题,本文尝试通过XML键约束及其矢量化操作,根据混沌原理,融入蚁群聚类算法构建并行XML数据库分片新模型(简称ACC);通过定义相应混沌适应度函数衡量蚂蚁与其邻域的相似程度,让整个人工蚁群在移动中动态地形成多个独立的子群体,同时对函数参数进行自适应的调整,使得人工蚁的移动仅仅使用少量的局部信息,加快XML分片速度并且提高分片质量.对比其它XML分片算法,一系列仿真实验表明利用混沌蚁群模型分片XML,在模型上更直观,计算代价较小.

向量矩阵迭代自组织XML辅助聚类算法

为了提高海量XML文档集的聚类质量,提出了一种基于向量空间模型的矩阵迭代自组织XML辅助聚类算法。该算法以XML键为基础,把XML文档转化为向量矩阵,通过矩阵迭代自组织学习对XML文档实施取消、分裂与合并等优化措施。为了加速算法的收敛性,在算法中引入辅助策略,虽然不一定达到矩阵向量分类间隔最大化的目标,却在尽可能分类的情况下使得运算时间缩短,其XML键权重调整更有利聚类效果。对比其它向量聚类算法,一系列仿真实验表明所提出算法具有一定的有效性及合理性。

一种启发式XML结构重构算法

基于海量XML文档查询时信息关联和服务请求多样性的需求,提出一个重构XML结构的频繁向量选择增量模式树(XFP-tree)算法。该算法以XML键为基础,利用向量矩阵处理方法、投影频繁模式树实现XML结构的分裂、合并、更改与取消等操作,同时讨论XML键向量矩阵频繁项集的划分规则及相应启发式策略与支持度阈值。对比其他关联算法,一系列仿真实验表明所提出算法具有一定的有效性及合理性,是重构XML结构的一种有效尝试。

融合粒子群算法改进XML数据智能清洗策略

针对XML数据质量问题,以XML键为基础、借助多模板隐马尔可夫模型信息抽取策略与粒子群算法构建新的XML数据清洗方法;为了提高XML相似性数据并行检测效率,尝试利用波函数对粒子群算法进行相应优化.对比其他XML数据清洗算法,一系列仿真实验表明改进的XML数据清洗方法不仅自适应学习功能强、人工参与程度低、计算量小,而且时间性能有94%左右提升.

基于XFP-tree的XML结构重构策略

基于海量XML文档查询速度已不能满足日益增长的信息关联和服务请求多样性的需求,本文提出一个重构XML结构的频繁向量选择增量模式树(XFP-tree)算法,该算法以XML键为基础,首先对XML结构进行向量矩阵处理,再通过投影频繁模式树实现对XML结构进行分裂、合并、更改与取消等优化措施,满足XML结构简洁性与查询多样性;结合投影和树结构技术,讨论XML键向量矩阵频繁项集的划分规则,而相应启发式策略的制定与支持度阈值的讨论有利于算法效率的提高。对比其它关联算法,一系列仿真实验表明所提出的算法具有一定的有效性及合理性,是重构XML结构的一种有效方法。

改进的XML智能数据清洗策略

针对XML数据的质量问题,以XML键为基础,借助多模板隐马尔可夫模型信息抽取策略与粒子群优化算法构建新的XML数据清洗方法。为了提高XML相似性数据并行检测效率,利用波函数对粒子群优化算法进行优化。仿真实验表明,与其他XML数据清洗算法相比,该方法的自适应学习能力强、人工参与程度低、计算量小,时间性能有94%左右的提升。

基于语义的XML模式到关系范式的转换算法

通过XML键与函数依赖之间的关系,提出了一种新的基于XML键的从XML模式到关系范式的转换算法。该算法先得到泛关系,再将XML键转换为简化函数依赖,最后保持函数依赖的把泛关系分解为关系范式,并且该关系范式保存了XML的语义约束信息。

保持语义约束的XML文档规范化

从XML键导出了既保持语义约束又符合DTD结构约束的XML函数依赖,并基于DTD的规范化技术及XML的查询转换技术提出了保持语义的XML文档规范化方法,并对其应用实例作了详细的分析.