發(fā)布時間：2025-01-01 03:15

　　當前海量的數(shù)據(jù)存儲在不同數(shù)據(jù)庫管理系統(tǒng)中，但由于絕大多數(shù)數(shù)據(jù)源間的異構(gòu)性，形成了所謂的“信息孤島”。為了消除異構(gòu)、檢測數(shù)據(jù)的異常、提高信息綜合利用率和準確率，本文提出了一種基于Web Service數(shù)據(jù)集成系統(tǒng)和基于神經(jīng)網(wǎng)絡解決該集成系統(tǒng)中屬性匹問題。 與傳統(tǒng)集成方法相比，Web Service數(shù)據(jù)集成方法優(yōu)化了傳統(tǒng)集成方法，整個系統(tǒng)具有實時性、可擴展性、高響應性等特點。數(shù)據(jù)集成的核心問題是正確實現(xiàn)語義映射關(guān)系，即模式匹配，具體到關(guān)系數(shù)據(jù)庫中，就是在異構(gòu)數(shù)據(jù)庫間找出相同的屬性記錄。屬性匹配是解決數(shù)據(jù)源間異構(gòu)問題的關(guān)鍵性操作。 本篇論文在研究了目前已有的數(shù)據(jù)庫集成的屬性匹配技術(shù)的基礎(chǔ)上，發(fā)現(xiàn)基于機器學習（BP神經(jīng)網(wǎng)絡）的方法比起基于規(guī)則的方法在屬性匹配問題上有絕對的優(yōu)勢。但是研究發(fā)現(xiàn)，目前基于BP網(wǎng)絡的屬性匹配方法仍然存在著諸多不足，如干擾匹配項過多，匹配空間過大等等。針對目前方法的不足，本文從提高匹配效率、匹配查準率、匹配查全率三個重要指標出發(fā)，重點提出了基于BP神經(jīng)網(wǎng)絡的新的屬性匹配算法—分類雙向過濾法。 最后，本文在具體數(shù)據(jù)庫環(huán)境中，通過實驗對分類雙向過濾的匹配算法進行了...

【文章頁數(shù)】：83 頁

【學位級別】：碩士

【部分圖文】：

圖2.4SQM網(wǎng)絡拓撲結(jié)構(gòu)

研究生學位論文性，自組織、自適應地改變網(wǎng)絡參數(shù)和結(jié)構(gòu)。根據(jù)其學習規(guī)則對輸入的模式自動進行分類，即在非學習，通過反復地調(diào)整連接著輸入和輸出的權(quán)值向量，間的相互距離關(guān)系，并在競爭層中將分類結(jié)果表示出來過競爭學習完成的一種前向神經(jīng)網(wǎng)絡，典型SOM網(wǎng)絡組成，其中競爭層是核心層，由a....

圖 2.5 三層 BP 神經(jīng)網(wǎng)絡的結(jié)構(gòu)圖

BP算法屬于一種有監(jiān)督（有導師）的學習算法，BP神經(jīng)網(wǎng)絡是當前應用最為廣泛的神經(jīng)網(wǎng)絡模型之一，原因在于：它具有結(jié)構(gòu)簡易，可操作性強等優(yōu)點。比較典型的BP神經(jīng)網(wǎng)絡由3層組成，即輸入層、隱含層和輸出層組成，其拓撲結(jié)構(gòu)如圖2.5所示。

圖2.6BP神經(jīng)網(wǎng)絡算法的信息流向這種信號正向與誤差反向傳播過程是網(wǎng)絡的學習訓練階段，是各層權(quán)值周而復始調(diào)整的

圖2.5三層BP神經(jīng)網(wǎng)絡的結(jié)構(gòu)圖習過程由信號的正向傳播和誤差反向傳播兩部分組成。圖特點。正向傳播時，從輸入層傳入輸入信號X，經(jīng)過隱層權(quán)Y繼續(xù)向前傳輸?shù)捷敵鰧�，�?jīng)過權(quán)向量kW得到最后輸出信號際輸出'和期望輸出d得到誤差信號o，而誤差信號以逐層反傳，得知隱層....

圖3.1聯(lián)邦數(shù)據(jù)庫體系結(jié)構(gòu)

異構(gòu)數(shù)據(jù)集成系統(tǒng)進行統(tǒng)一操作面，使用戶能夠?qū)⒆⒁饬�集中在的發(fā)展過程中，研究者已經(jīng)提出了據(jù)倉庫和中間件。想是在系統(tǒng)構(gòu)建時將各數(shù)據(jù)源的訪問各數(shù)據(jù)源[20-21]。當用戶需要的查詢請求轉(zhuǎn)換成各數(shù)據(jù)源在本地據(jù)庫集成的聯(lián)邦，每個組成數(shù)據(jù)組件。聯(lián)邦數(shù)據(jù)庫集成方法的優(yōu)缺點也很明顯，若所需集成的....

本文編號：4021975