基于Web Service数据智能集成技术的研究

发布时间：2025-01-01 03:15

　　当前海量的数据存储在不同数据库管理系统中，但由于绝大多数数据源间的异构性，形成了所谓的“信息孤岛”。为了消除异构、检测数据的异常、提高信息综合利用率和准确率，本文提出了一种基于Web Service数据集成系统和基于神经网络解决该集成系统中属性匹问题。 与传统集成方法相比，Web Service数据集成方法优化了传统集成方法，整个系统具有实时性、可扩展性、高响应性等特点。数据集成的核心问题是正确实现语义映射关系，即模式匹配，具体到关系数据库中，就是在异构数据库间找出相同的属性记录。属性匹配是解决数据源间异构问题的关键性操作。 本篇论文在研究了目前已有的数据库集成的属性匹配技术的基础上，发现基于机器学习（BP神经网络）的方法比起基于规则的方法在属性匹配问题上有绝对的优势。但是研究发现，目前基于BP网络的属性匹配方法仍然存在着诸多不足，如干扰匹配项过多，匹配空间过大等等。针对目前方法的不足，本文从提高匹配效率、匹配查准率、匹配查全率三个重要指标出发，重点提出了基于BP神经网络的新的属性匹配算法—分类双向过滤法。 最后，本文在具体数据库环境中，通过实验对分类双向过滤的匹配算法进行了...

【文章页数】：83 页

【学位级别】：硕士

【部分图文】：

图2.4SQM网络拓扑结构

研究生学位论文性，自组织、自适应地改变网络参数和结构。根据其学习规则对输入的模式自动进行分类，即在非学习，通过反复地调整连接着输入和输出的权值向量，间的相互距离关系，并在竞争层中将分类结果表示出来过竞争学习完成的一种前向神经网络，典型SOM网络组成，其中竞争层是核心层，由a....

图 2.5 三层 BP 神经网络的结构图

BP算法属于一种有监督（有导师）的学习算法，BP神经网络是当前应用最为广泛的神经网络模型之一，原因在于：它具有结构简易，可操作性强等优点。比较典型的BP神经网络由3层组成，即输入层、隐含层和输出层组成，其拓扑结构如图2.5所示。

图2.6BP神经网络算法的信息流向这种信号正向与误差反向传播过程是网络的学习训练阶段，是各层权值周而复始调整的

图2.5三层BP神经网络的结构图习过程由信号的正向传播和误差反向传播两部分组成。图特点。正向传播时，从输入层传入输入信号X，经过隐层权Y继续向前传输到输出层，经过权向量kW得到最后输出信号际输出'和期望输出d得到误差信号o，而误差信号以逐层反传，得知隐层....

图3.1联邦数据库体系结构

异构数据集成系统进行统一操作面，使用户能够将注意力集中在的发展过程中，研究者已经提出了据仓库和中间件。想是在系统构建时将各数据源的访问各数据源[20-21]。当用户需要的查询请求转换成各数据源在本地据库集成的联邦，每个组成数据组件。联邦数据库集成方法的优缺点也很明显，若所需集成的....

本文编号：4021975