基于神經網絡的異構數據庫語義集成的研究.pdf

1、隨著IT業(yè)的飛速發(fā)展，在交通局內部已經建立了許多管理信息系統，積累了大量的歷史數據。但隨著人們對信息綜合利用需求的進一步提高，這些簡單的信息管理形成了一個個信息孤島，彼此之間很難達到信息共享。因此，如何將各個異構的數據源集到一起，成為首要解決的問題。
　　 本文的課題背景來源于大連市交通局數據中心建設。數據庫的異構性主要體現在兩方面：一方面是數據庫管理系統的差異；另一方面是語義的異構。異構數據庫集成的關鍵問題就是解決語義集成問題

2、，就是要找出異構數據庫間相同的屬性，即屬性匹配問題。本文首先全面地綜述了現有異構數據庫語義集成技術，并對目前方法的特點和不足之處進行了研究，分析了將神經網絡理論引入異構數據庫語義集成領域中解決屬性匹配問題的可行性；然后給出了基于神經網絡的異構數據庫語義集成過程：從數據庫中抽取屬性的特征向量，涉及內容包括數據模式和數據內容統計，并將屬性信息特征向量進行歸一化；然后建立SOM網絡模型，將屬性特征向量進行分類；最后建立BP屬性匹配模型，通過對

3、樣本數據進行訓練從而形成學習規(guī)則，用于異構數據庫之間的語義匹配；并針對BP算法具有收斂速度慢、易于陷入極小值的缺陷，以及粒子群算法具有早熟收斂的現象，本文利用生物界中當種群密度過大時就會自動分家的思想，提出了一種基于改進的粒子群優(yōu)化BP網絡算法，并在具體應用環(huán)境中的數據庫上進行了實驗，實驗結果證明該方法能明顯提高屬性匹配的準確率，降低神經網絡的訓練時間。
　　 本文構建了基于神經網絡的異構數據庫語義集成系統。并針對BP神經網絡的