|
|||||
|
|
| 云环境下基于超球面投影分区的Skyline计算 | |
| 引用本文： | 雷婷,王涛,曲武,韩晓光.云环境下基于超球面投影分区的Skyline计算[J].计算机科学,2013,40(6):164-171. |
| 作者姓名： | 雷婷 王涛 曲武 韩晓光 |
| 作者单位： | 1. 成都工业学院通信工程系 成都611730 2. 湖南城市学院信息科学与工程学院 益阳413000 3. 清华大学知识工程研究室 北京100083;北京启明星辰信息技术股份有限公司 北京100193;中关村科技园区海淀园企业博士后科研工作站 北京100193 4. 北京科技大学计算机与通信工程学院 北京100083 |
| 基金项目： | 本文受基于大规模复杂结构知识库的知识发现机理、模型与算法研究(60875029),多关系频繁模式挖掘模型、方法与一般架构的研究(60675030),基于多关系的模糊认知图挖掘模型、算法与评价机制研究(61175048)资助 |
| 摘 要： | 目前,Skyline查询在集中式数据库、分布式数据库、数据流及分类属性数据集上的良好应用前景,使其成为当前数据库界研究的重点和热点之一,受到了学术界和工业界的广泛关注,它作为一种重要的数据挖掘技术广泛应用于多目标优化、城市导航系统、用户偏好查询及约束决策、智能防御系统以及地理信息系统等领域.随着人类可以采集和利用的数据信息的急剧增长,如何处理大数据的Skyline查询成为急需解决的问题.针对云计算环境,在Map-Reduce框架下设计并实现了基于超球面投影分区的分布式Skyline算法HSPD-Skyline,其主要思想是通过对高维数据点的超平面投影映射,即由空间坐标转换为超球面坐标,可以有效提高分区内数据点的平均减枝力度,降低Skyline的计算代价.同时,使用基于空间分区树的启发式策略HA-SPT,进一步提高了HSPD-Skyline算法的处理效率.通过详细的理论分析和实验验证表明,在不考虑数据分布和进一步优化算法的条件下,提出的HSPD-Skyline算法的总体性能(可扩展性、Skyline查询时间等)优于同类算法. |
| 关 键 词： | 分布式Skyline计算 Map-Reduce框架 分区策略 HSPD-Skyline算法 |
| 收稿时间： | 2012/8/20 0:00:00 |
| 修稿时间： | 2012/12/25 0:00:00 |
Distributed Skyline Processing Based on Hypersphere Projection Partitioning on Cloud Environments |
|
| LEI Ting,WANG Tao,QU Wu and HAN Xiao-guang.Distributed Skyline Processing Based on Hypersphere Projection Partitioning on Cloud Environments[J].Computer Science,2013,40(6):164-171. | |
| Authors: | LEI Ting WANG Tao QU Wu and HAN Xiao-guang |
| Affiliation: | Communication Engineering,Chengdu Technological University,Chengdu 611730,China;Hunan City College of Information Science and Engineering,Yiyang 413000,China;Tsinghua University Knowledge Engineering Group,Beijing 100083,China;School of Computer & Communication Engineering,University of Science & Technology Beijing,Beijing 100083,China |
| Abstract: | |
| Keywords: | Distributed Skyline processing Map-Reduce frame Partitioning strategy HSPD-Skyline |
| 本文献已被 万方数据 等数据库收录！ | |
| 点击此处可从《计算机科学》下载全文 | |