学位论文 > 优秀研究生学位论文题录展示

基于BP神经网络的数据库模式匹配方法研究

作　者: 李伟光
导　师: 刘杰
学　校: 哈尔滨工程大学
专　业: 计算机软件与理论
关键词: BP神经网络 HPAM 表匹配属性匹配异类型相同属性匹配
分类号: TP311.13
类　型: 硕士论文
年　份: 2010年
下　载: 59次
引　用: 1次
阅　读: 论文下载

内容摘要

随着信息技术的快速发展和互连网的普及,海量的数据出现在人们的面前,人们可以很容易地获取大量的信息,从而方便了我们的生活,学习和工作。与此同时,人们越来越倾向于综合地利用信息,但由于不同的环境和不同的设计人员,导致数据源间大多是异构的,而数据源间的这种异构性成为人们综合利用信息的一个障碍。为了解决这个问题,需要进行数据集成。进行数据集成的关键问题是发现正确的语义映射关系,即模式匹配。作为解决数据源间异构问题的关键性操作—模式匹配,已经越来越引起人们的重视。在对目前已有的属性匹配算法进行深入的研究分析后,发现基于BP神经网络的属性匹配方法在属性匹配方面较其他方法有很大的优势,能够有效的进行属性匹配。但是目前的基于BP神经网络的属性匹配方法仍然存在着不足之处,如匹配空间过大,干扰匹配项过多,不能很好的进行异类型相同属性的匹配等。针对这些不足之处,本文提出了新的匹配算法—HPAM匹配算法,该算法由五个阶段组成,包括表的匹配阶段,相似表间属性的匹配阶段,剩余属性的匹配阶段,补充的属性匹配阶段,用户验证阶段。而且在HPAM匹配算法中提出了表匹配方法,并行训练与匹配的方法,双向过滤法及异类型相同属性的匹配方法,HPAM匹配算法提高了匹配效率,匹配查准率,匹配查全率。最后,本文通过实验对HPAM匹配算法进行验证,并对实验结果进行对比分析,实验表明了HPAM匹配算法的优越性,并讨论了今后进一步改进的方向。

全文目录

摘要  5-6
Abstract  6-10
第1章绪论  10-15
  1.1 研究背景  10-11
  1.2 国内外研究现状  11-13
  1.3 研究意义  13
  1.4 论文研究内容及组织  13-15
    1.4.1 论文的主要研究内容  13-14
    1.4.2 论文的整体组织结构  14-15
第2章相关理论知识  15-27
  2.1 引言  15
  2.2 数据库模式  15-16
  2.3 神经网络概述  16-18
  2.4 模式匹配  18-21
    2.4.1 模式匹配概述  18
    2.4.2 模式匹配相关理论  18-21
  2.5 异构数据库间相同属性的主要匹配方法  21-26
    2.5.1 基于规则的属性匹配方法  21-23
    2.5.2 基于机器学习的属性匹配方法  23-24
    2.5.3 属性匹配方法比较  24-26
  2.6 本章小结  26-27
第3章基于BP神经网络的属性匹配方法研究  27-59
  3.1 引言  27
  3.2 HPAM匹配流程  27-30
  3.3 表的匹配方法  30-35
    3.3.1 表的匹配提出的必要性及采用的方法分析  30-32
    3.3.2 表匹配时表采用的数据指标体系及正规化方法  32-33
    3.3.3 基于BP神经网络的表匹配  33-35
  3.4 相似表间属性的匹配方法  35-51
    3.4.1 相似表间属性匹配时采用的方法分析  36-37
    3.4.2 数据指标体系及正规化方法  37-39
    3.4.3 多个神经网络并行训练及匹配的可行性分析  39-40
    3.4.4 双向过滤法  40-43
    3.4.5 基于BP神经网络的属性匹配  43-51
  3.5 剩余属性的匹配方法  51
  3.6 补充的属性匹配方法  51-55
    3.6.1 目前属性数据指标体系的局限性分析  52-53
    3.6.2 数据指标体系及正规化方法  53-55
  3.7 用户验证  55
  3.8 HPAM的算法描述  55-58
  3.9 本章小结  58-59
第4章 HPAM匹配算法实验  59-64
  4.1 实验环境  59
  4.2 实验数据集  59-60
  4.3 实验评价标准  60-61
  4.4 实验结果分析  61-63
  4.5 本章小结  63-64
结论  64-66
参考文献  66-71
攻读硕士学位期间发表的论文和取得的科研成果  71-72
致谢  72

基于BP神经网络的数据库模式匹配方法研究

内容摘要

全文目录

相似论文