1) XML strong functional dependency
XML强函数依赖
1.
XML strong functional dependency definition and XML strong inclusion dependency definition based on consistent path set under the incomplete information circumstances were formalized,judging theorem for XML strong inclusion dependency was studied.
提出了在不完全信息环境下基于一致路径集合的XML强函数依赖和XML强闭包依赖的定义,研究了XML强闭包依赖的判定定理。
2.
Based on the equivalence of the nodes,the consistency of the nodes,the equivalence of the nodes\' information and the consistency of the nodes\' information,XML strong functional dependency\'s definition was given,inference rules for XML strong functional dependency were presented.
为了解决不完全信息环境下XML模式设计中XML文档的数据冗余和操作异常,研究了不完全信息环境下XML Schema的规范化问题,提出了XML Schema和符合XML Schema的不完全XML文档树等概念;基于节点等价、节点相容、节点信息等价和节点信息相容等概念提出了XML强函数依赖的定义,给出了相应的推理规则;给出了求路径集强闭包和成员籍问题的算法,并对算法的正确性进行了证明,对其时间复杂度进行了分析。
2) XML functional dependency
XML函数依赖
1.
Research of Propagating and Keeping XML Functional Dependency;
XML函数依赖的传播与保持的研究
2.
When XML document comes forth incomplete information,XML functional dependency has also important meaning for the research of key,normal form and integral restriction for XML document.
当XML文档出现不完全信息时,XML函数依赖同样对于XML文档的键、规范化和完整性约束的研究具有重要意义。
3) XML FD
XML的函数依赖
1.
In the presence of XML FDs which are specified over DTDs, this paper presents a method based on the hybrid inlining to map XML to relations for storage.
有许多文章提出了根据DTD将XML映射成关系的方法,但都没有考虑XML的语义,而语义信息对数据存储模式设计、查询优化、更新异常检查等来说是十分重要的,如果在DTD上指定了XML的函数依赖,在映射到关系数据库中就需要将其考虑进去。
4) strong functional dependencies
强函数依赖
5) strong XML hold conditions of functional dependency
函数依赖强保持
6) XML strong inclusion dependency
XML强闭包依赖
1.
XML strong functional dependency definition and XML strong inclusion dependency definition based on consistent path set under the incomplete information circumstances were formalized,judging theorem for XML strong inclusion dependency was studied.
提出了在不完全信息环境下基于一致路径集合的XML强函数依赖和XML强闭包依赖的定义,研究了XML强闭包依赖的判定定理。
补充资料：极小化方法(强依赖于多个变量的函数的)
极小化方法(强依赖于多个变量的函数的)
lion methods for functions depending strongly on a few variables
则数r称为函数J(x)在x‘G的谷维数(di~ionof the valley)(见[l」). 描述J(x)的下降轨道的微分方程组 d义 嚣一J’(x)，‘(0)一‘。，(3)是一个刚性微分方程组(s叮山晚肥爪阁s势记m). 特别地，当J(x)是严格凸的且其He资℃矩阵是正定的(它的本征值是严格正的)时候，不等式(l)与熟知的场翔e矩阵的病态要求: n笼以」(x、 人{J‘IX))=—二戈>l rnln又八x)一致.在这情况下谱条件数与山谷的陡度相同. 坐标方式的下降法(coo攻垃扭te一~d留eent ITrth-ed)(见[ZJ)J(x:，*+:，“‘，x‘一，.*十，，x.，*+，，x‘+1.*，…，x。.*)一塑J(x，，*+:，‘”，x卜1，*，y，x‘+:，*，“’，xo.*)， k=0，1，…，(4)不管其简单性和普遍性，仅当山谷的位置处于罕见情况下，即当山谷的方向是沿着坐标轴时才有效. 「2】中提出了方法(4)的一个现代化版本，它包括坐标轴的一个旋转，使得一个轴沿x*一x七一伸展，此后搜索在第(k+l)步开始.这样的一个办法导致一个坐标轴有一种与谷底的一条母线一致的趋向，使在若干情况下能顺利实现带有一维山谷的函数的极小化.这方法对多维山谷是不适用的. 最速下降法(s慨pest des以泊t，m出加吐of)的方案是由差分方程 x*十一x*一h*J{，J诬=J‘(x*)(5)给出的，这里h*由条件 J(‘*、:)一嘿J(‘厂hJ口选取.对严格凸的谷函数，特别对二次函数 J(x)一合X·DX一。·x，(6)由算法(5)构造的序列{x*}几何地收敛于函数的极小值点x’(见「3』): 1 Ix*一x‘11簇eg‘，这里C=常数且 。一典4共手共咎井. k(J"(x’))+l’由于对谷函数，k(J“(x))》1，q“1，从而收敛性在实际上是不存在的. 对简单梯度方案(见阱】);梯度法(脚曲ntme-thod)) x*十，=x*一hJ二，J*十1“J(x*、，)，h=常数， (7)类似的情况也能看到.加速其收敛性的基础在于用以前迭代的结果使得谷底更精确.梯度法(7)能够同每一次迭代的比率q=}人}/{J*一」}的计算一起应用(见阱]，【51).当它变得稳固地接近于常数值q=1时，按照表达式 h x二，=x。
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条