【摘 要】
:
企业数据集成是 EAI 的关键和重点,本文简要分析了现有数据集成方法,提出一种新的基于元模型CWM 规范的数据集成途径,该方法将数据集成提升到元数据层次的集成,能更好的解决异构数据源的问题最后介绍了一个基于 CWM 的元数据管理集成系统。
【机 构】
:
国防科技大学计算机学院计算机系,长沙410073
论文部分内容阅读
企业数据集成是 EAI 的关键和重点,本文简要分析了现有数据集成方法,提出一种新的基于元模型CWM 规范的数据集成途径,该方法将数据集成提升到元数据层次的集成,能更好的解决异构数据源的问题最后介绍了一个基于 CWM 的元数据管理集成系统。
其他文献
对象代理模型的特点决定了其索引机制与现有的关系数据库,对象数据库的索引机制有很大的不同。本文主要根据对象代理模型的特点,考虑并分析了以下几个问题:(1)为代理属性建立索引时,是在当前代理类上直接建立,还是回到最初定义扩展属性的类上建立;(2)当为扩展属性创建索引时,代理该属性的类是否需要加索引标志;(3)索引建立后索引对象迁移以及索引删除等等问题。设计并在系统中实现了对象代理数据库索引机制。
在嵌入式应用中,高性能、低功耗的计算平台至关重要,可重构技术很有希望提供这样的系统。应用程序的特性最终决定了如何使用可重构技术。尽管很多文章分析过程序中的指令级并行特性,但是很少工作针对程序运行期间指令级并行的动态特性进行研究,嵌入式应用领域更是不存在这方面的工作。本文中我们使用仿真环境 SimpleScalar/PISA,测试了MiBench 嵌入式测试程序集的指令级并行的动态特性。测试结果显示
报文分类是网络交换设备的基础操作之一,目前存在大量的报文分类算法,但大多数都是针对小规则集或低维的分类问题。针对网络管理、网络入侵检测、 QoS 等应用需求的日益增长,该文提出了一种新的可扩展的多维快速报文分类算法。该算法通过压缩操作、分割操作和索引操作设计了压缩分割规则表和索引列表结构表这两类数据存储结构,使该算法能支持上万条多维分类规则,并且分类速度快,存储空间需求量小,支持快速更新,适合于软
针对常用的 LSB 信息隐藏,SPA(Sample PairAnalysis)分析方法能以很高的精度检测出图像中隐藏信息的比率。本文通过对隐藏信息后的图像进行动态补偿,提出了一类可抵御 SPA 分析的 LSB 信息隐藏方法。该方法使得即使嵌入比率接近于100﹪,使用SPA方法分析仍将得到一个接近于 0 的低于判决门限的估计值,从而做出错误的判决。同时,将动态补偿的有关参数作为密钥的一部分,可进一步
针对蛋白质色谱-质谱测定实验中,由于酶解反应得到的肽段数量太多,不可避免地有共流出组分,从而蛋白质或多肽混合物不能被有效地分离,同时测得的肽段的氨基酸序列的吻合程度不高、甚至有些含量低的肽片断无法搜寻鉴定出来等现象。本文利用了投影图旋转分析(Projection Graph Rotation Analysis,PGRA)对其进行解析,能在一定程度上提高测定结果的准确性。
节能对于资源受限制的无线传感器网络具有重要意义。研究证明:无线数据传输是无线传感器网络能量开销的主要方面,大大超过用于计算的开销。通过对包的计算处理,减少包的数量,从而降低路由转发次数,降低传输开销。在部分连接的网络中以及分簇的无线传感器网络中,会有大量数据包会在节点的缓冲区逗留,对其进行必要的计算处理,可以换取数据传输的优化。本文介绍了一种数据包的处理方法:数据包的优化拼接。将大量的多种长度的碎
本文讨论了一个用于大规模虚拟战役的编辑和浏览的分布式虚拟想定推演系统的设计与实现。该系统在基于场景图的分布式虚拟环境架构下支持大规模场景数据的渐进传输,并运用构件化的思想实现了虚拟场景的动态组装。受限语言解释器的应用使系统的交互式战役编辑推演及其可视化更加简单和灵活。实例表明,本系统可以用于军事作战仿真的想定推演以及动画游戏的交互编辑和制作。
随着IPv6的部署,下一代路由协议将会起到越来越重要的作用。本文首先分析了下一代路由协议的特点,分析了包的通用格式,根据字段之间的关联关系将包中字段分成独立的和具有相关度的两部分,然后通过对独立字段给定测试优先级的方法对路由协议测试进行了测试设计,并以BGP4+为例,讨论了它的测试框架构建及测试配置,最后以BGP4+的UPDATE为例验证了该方法。
本文针对 QoS 网络中如何利用控制业务接入取得用户满意度和网络利用率间的平衡问题,考虑到网络中各种时变因素和非线性因素,将具有预测能力的非线性反馈控制方法应用于 CAC 过程,提出一个基于 CAC策略的业务接入反馈控制模型,并结合业务整形和传输过程对此模型进行优化,形成接入过程的反馈控制方法类,有利于提高节点状态的稳定性和网络效率。
微阵列技术的发展产生了大量的高维基因表达数据。直接把适合低维空间聚类的传统算法用于高维基因表达数据分析难以得到理想的结果,维组合和维削减两种降维方式都存在着各自的不足—维组合方式产生的新特征很难用原来的领域知识进行解释,维削减方式削减了特征维,通常会丢失信息。另外,多数聚类算法通常由用户指定聚类参数,细微的参数设置差别会导致差异很大的结果。本文针对上述问题,提出了一种新的基于迭代重聚类的基因表达数