基于神经网络的异构数据库语义集成的研究
| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 绪论 | 第8-13页 |
| ·研究背景 | 第8页 |
| ·国内外研究现状 | 第8-12页 |
| ·传统的数据集成方法 | 第8-10页 |
| ·异构数据库的语义集成方法 | 第10-12页 |
| ·本文的主要内容 | 第12-13页 |
| 2 异构数据库的语义集成相关技术 | 第13-22页 |
| ·异构数据库的语义集成 | 第13-14页 |
| ·异构数据库的语义集成框架 | 第14-15页 |
| ·异构数据库语义集成的步骤 | 第15页 |
| ·异构数据库集成的属性匹配方法 | 第15-17页 |
| ·比较属性名的方法 | 第15-16页 |
| ·比较属性的模式信息的方法 | 第16页 |
| ·比较属性值的方法 | 第16-17页 |
| ·神经网络 | 第17-20页 |
| ·概述 | 第17-19页 |
| ·神经网络解决语义匹配问题的可行性 | 第19-20页 |
| ·基于神经网络的语义集成过程 | 第20-22页 |
| 3 属性信息的提取与归一化 | 第22-27页 |
| ·属性信息 | 第22-23页 |
| ·模式信息 | 第22-23页 |
| ·数据内容统计 | 第23页 |
| ·其他的控制信息 | 第23页 |
| ·属性信息的指标体系 | 第23-24页 |
| ·属性信息的提取 | 第24-25页 |
| ·属性信息的归一化 | 第25-27页 |
| 4 基于SOM网的语义分类模型的研究 | 第27-36页 |
| ·语义分类的必要性 | 第27-28页 |
| ·语义分类模型结构 | 第28-29页 |
| ·SOM模型研究 | 第29-36页 |
| ·竞争学习 | 第29-31页 |
| ·SOM网络的拓扑结构和权值调整域 | 第31-32页 |
| ·SOM网的运行原理 | 第32页 |
| ·SOM算法 | 第32-34页 |
| ·实验与分析 | 第34-36页 |
| 5 基于BP的语义模式匹配模型的研究 | 第36-53页 |
| ·BP网络模型 | 第36-40页 |
| ·BP网络设计 | 第37-38页 |
| ·基本的BP算法 | 第38-40页 |
| ·BP算法的不足 | 第40页 |
| ·BP的改进 | 第40-48页 |
| ·基本的粒子群算法 | 第41-43页 |
| ·基于粒子群优化的神经网络算法 | 第43-45页 |
| ·改进的粒子群算法 | 第45-46页 |
| ·改进的粒子群优化BP网络 | 第46-48页 |
| ·改进的粒子群优化BP网络的属性匹配算法 | 第48-49页 |
| ·实验与结论 | 第49-53页 |
| 结论 | 第53-54页 |
| 参考文献 | 第54-56页 |
| 攻读硕士学位期间发表学术论文情况 | 第56-57页 |
| 致谢 | 第57-58页 |
