不确定数据流查询处理算法的研究计算机应用技术专业论文.docxVIP

分类号UD 分类号 UD C 密级 公 无 暑哦 ≯声哮 硕士研究生学位论文 不确定数据流查询处理算法的研究 申请人： 李红 学 号： 2121368 培养单位： 计算机科学技术学院 学科专业： 计算机应用技术 研究方向： 不确定数据库 指导教师： 朱敬华副教授 完成日期： 2015年3月 万方数据 随着科技的发展及人们对查询处理方法认知的加深，不确定数据受到普遍重 随着科技的发展及人们对查询处理方法认知的加深，不确定数据受到普遍重 视，不确定数据的查询处理方法也在很多领域普遍运用。对不确定数据流的查询 研究逐步成为数据库领域的热门研究问题之一。 本文研究了三种不确定数据流的查询处理算法，分别是分布式不确定数据流 的top—k聚集查询算法、不确定数据流的概率skyline查询算法和不确定数据流的 聚类算法。 Top—k查询技术常用于传感器网络。如今的查询技术大多采取集中式的查询处 理形式，时间开销与通信开销较大。针对这一问题，本文研究在分布式环境下不 确定数据流的top—k聚集查询算法。首先根据元组数量提出三种聚集算法，然后根 据这三个算法提出了一个混合的解决方案，基于混合的解决方案给出top—k聚集算 法DAT的框架。实验结果表明DAT算法既能在满足精确度需要的同时降低时间开 销，又能在通信开销上好于集中式查询。 作为多标准决策等问题的解决方式，skyline查询处理常用于市场分析、目标决 策等实际应用。根据现有skyline查询算法的优势和局限性，对于枚举计算方法的 低效问题提出一个高效的概率skyline查询算法PSUDS。该方法用自底向上算法得 出初步的结果集，然后用插入算法和删除算法对结果集进行更新和维护。不同参 数值对p-skyline大小和运行时间的影响结果显示，PSUDS具有良好的扩展性。与 Baseline算法进行比较可以看出PSUDS具有较高的效率。 聚类方法在数据流上广泛应用，但大部分针对确定数据流。虽然有一些是在 不确定数据流上的算法，但算法中大多没有考虑数据的分布。针对这一问题，本 文引入KL距离(相对熵)的概念，提出高效的不确定数据流聚类算法KL．Micro。 实验结果表明KL—Micro算法充分考虑了不确定数据分布情况，提高了聚类结果质 量，具有较高的准确性及效率。 通过实验及分析可以得出，以上不确定数据流的查询处理算法精确度较高且具 万方数据 黑龙江大学硕士学位论文 黑龙江大学硕士学位论文 有高效性，具有实际应用价值。 关键词：不确定数据流；Top—k；Skyline聚类 万方数据 AbstractAbstract Abstract Abstract With the development of science and technology and the deepening of people’S cognition query processing method，uncertain data has attracted extensive aUention， and uncertain data query processing method becomes widely used in many fields Research on uncertain data streams query gradually becomes of the hot research topics in the field of database． This paper studies three kinds of uncertain data streams query processing algorithms，which are distributed top—k aggregation query algorithm on uncertain data streams，probabilistic skyline query algorithm on uncertain data streams and clustering algorithm on uncertain data streams． Top-k query technology is commonly used in sensor network．The existing query technologies mostly centralized mode of query processing，which have large time overhead and communication overhead．In order to solve this problem，this paper studies the top—k a