基于bp神经网络的数据库模式匹配方法研究-计算机软件与理论专业论文.docxVIP

日期： 日期： 2矿肜q三a3a／／日 哈尔滨工程大学 学位论文授权使用声明 本人完全了解学校保护知识产权的有关规定，即研究生在校 攻读学位期间论文工作的知识产权属于哈尔滨工程大学。哈尔滨 工程大学有权保留并向国家有关部门或机构送交论文的复印件。 本人允许哈尔滨工程大学将论文的部分或全部内容编入有关数据 库进行检索，可采用影印、缩印或扫描等复制手段保存和汇编本 学位论文，可以公布论文的全部内容。同时本人保证毕业后结合 k 学位论文研究课题再撰写的论文一律注明作者第一署名单位为哈 1 尔滨工程大学。涉密学位论文待解密后适用本声明。 本论文(日在授予学位后即可 口在授予学位12个月后 口 解密后)由哈尔滨工程大学送交有关部门进行保存、汇编等。 作者(签字)：李佑九 导师(签字)：刻密＼ 日期：劢m口3a／日 2p／,,年硼∥日。 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 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一模式匹配，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。 k 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 盘 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。 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 哈尔滨：L=程大学硕十学位论文Abstract 哈尔滨：L=程大学硕十学位论文 Abstract With the rapid development of information technology and the popularity of the Intemet，a lot of data appear in front of people，people can easily access a wealth of information，thus facilitating our lives，learning and work．At the same time，people are increasingly inclined to use the integrated information，but because of different environments and different designs，leading to heterogeneous data sources are mostly between，and among the data sources into one comprehensive utilization of such a heterogeneous information，an obstacle，in order to solve this problem，the need for data integration．The key issue for data integration is to find the correct semantic mapping，that is，pattem matching． Between the heterogeneous data sources to solve the critical operational issues— pattern matching，has increasingly attracted attention and research． After deeply studying and analyzing the current matching algorithm，the attribute matching method based on