数据立方梯度挖掘的研究

1 前言随着人们生成、收集和存储数字化数据能力的极大提高,当今世界面临着各种原始数据的爆炸性增长。数据库技术的巨大进步创建了对大量数据的有效存储,成千上万的大型数据库被广泛地应用在商业、政府和科研等等部门。大量数据资源的积累为人们从历史数据中发现有用信息提供了基础,人们期望数据库能够提供智能化或者至少是半自动化的数据分析处理的能力。于是,数据仓库技术(Data Warehouse)、联机分析处理技术(On Line Analysis Processing)以及数据挖掘技术(Data Mining)应运而生。     

多维查询语言DM_MDX编译器的设计与实现

DM_MDX是DM_OLAP服务器中所使用的多维查询语言。该文介绍了DM_MDX编译器的设计思想和实现方案。它能有效解决在关系型查询处理引擎中编译DM_MDX语句的问题,给出了编译处理过程中语法树、转换中间格式和查询树的数据结构,以及它们之间的转换算法。     

基于浓缩数据立方的内存实化小方的动态选择

OLAP通常使用预计算数据立方的方法提高可能的聚集查询的响应速度,在内存实化预计算的数据,可以更进一步加快响应的速度,但是受到内存空间的限制。在浓缩数据立方的环境中,动态地选择一定的数据小方在内存实化,加快响应速度,并更好地适应不同的查询模式。给出了在动态选择模型中,特定存储方式下的查询分解和响应算法。     

一种基于排列融合的归纳式半监督排序方法

排序学习,即用有标记的训练集通过机器学习的方法学习一个排序函数,并对测试集的数据进行排序的技术.当前的文档排序学习算法主要是基于全监督排序学习的框架,它需要大量已标记的文档,而通过人工给文档赋予标记(完美、优秀、好、一般、差)是非常费力费时的.因此这里提出一种基于排列融合的归纳(inductive)式半监督排序算法.首...     

KDD查询语言研究

知识发现和数据开采(简称为KDD)就是从大量数据中析取事先隐藏未明却又潜在可用的模式你(Pattefhs)~[5]。然而KDD领域还缺乏独立性,大多数从事机器学习(machine learning)领域的入把     

含有SPREADSHEET子句的实化视图匹配

含有SPREADSHEET子句的SQL语句，增强了传统SQL语句的多维计算能力．本文研究含有SPREADSHEET子句的实化视图匹配，利用实化数据加快spreadsheet查询的响应速度．文中提出了含有SPREADSHEET子句的视图匹配算法．实验结果表明，含有SPREADSHEET子句的视图匹配方法，具有良好的查询响应能力和良好的可扩展性．     

浓缩数据立方中约束立方梯度的挖掘

约束立方梯度挖掘是一项重要的挖掘任务,其主要目的是从数据立方中挖掘出满足梯度约束的梯度-探测元组对.然而,现有的研究都是基于一般数据立方的.研究了浓缩数据立方中约束数据立方梯度的挖掘问题.通过扩展LiveSet驱动算法,提出了一个eLiveSet算法.测试表明,该算法在立方梯度挖掘效率上比现有算法要高.     

一种新的前缀立方索引机制

前缀立方在浓缩数据立方的基础上利用前缀共享和基本单元组技术有效地缩小了数据立方的尺寸.由于前缀共享产生的分组结构,浓缩数据立方的索引CuboidTree并不适合前缀立方.所以,根据前缀立方包含分组结构的特性,结合BUB-Tree和R-Tree技术对CuboidTree进行改造,最终得到了一种新的索引机制Bound-CuboidTree.实验证明,这种索引机制比已有的前缀立方索引Prefix-CuboidTree更适合前缀立方的结构.     

基于句子级的最大频繁序列的文本分类

本文提出了一种新的文本分类方法。这种方法将一篇文本的一个句子看作一个事务，一个段落看作是一个序列，则一篇文本表示成一个序列的集合。我们从每篇训练文本中挖出最大频繁序列用以表示这篇文本，这种表示方法可大大提高训练及分类速度，同时也可以几乎不损失分类精度。在数据集Reuters-21578上的大量实验证明这种方法要远远好于其他的文本级的基于关联的分类方法。     

SAT-FOIL＋：基于句子级关联的文本分类

以往基于词语关联的方法在挖掘频繁项集和关联规则时,都是将整个文本看作一个亨务来处理的,然而文本的基本语义单元实际上是句子。那些同时出现在一个句子里的一组单词比仅仅是同时出现在同一篇文档中的一组单词有更强的语义上的联系。基于以上的考虑,我们把一篇文档里的一个句子作为一个单独的事务,从而提出了一种基于句子级关联的分类方法SAT-FOIL。并在本文中提出新的得分模型来获得改进的新算法SAT-FOIL 。通过在标准的文本集Reuters上的大量实验,不仅证明新模型的优越性,而且证明了SAT-FOIL 分类效果同其他几种分类方法是可比的,并且要远远好于以往的基于文档级关联的分类方法。另外,挖掘出来的分类规则还具有易读性,并且易修改。