多关系SQL查询中连接顺序的优化

关系数据库优化器确定SQL查询的执行计划是一个非常复杂的过程,该文概要性地介绍了数据库应用系统开发各个阶段的优化,对优化器的结构和优化方法作了陈述,包括SQL语句执行计划的产生和确定.该文只对SQL查询执行计划的表达和算法进行了介绍.同一SQL语句有多种执行计划,它们的结果相同,但代价相差巨大.优化的内容很多,包括连接算法的优化,连接顺序的优化,语义的优化,索引的优化等,阐述了Oracle数据库中多关系连接运算中连接顺序的优化方法,并给出了实际应用案例.     

一种高效准确的基于查询结果的基数估计策略

基数估计是查询优化的重要组成部分,其高效性、准确性直接影响查询优化效果。传统基数估计策略基于原表或原表样本进行统计信息收集,然后利用收集好的统计信息推导出基数。该策略在数据量大时,统计信息收集效率低;统计信息存在延迟,并且基数通过推导得到,准确度无法保证;一些策略通过子查询的反馈信息得到基数,但结果没有保存,基数获取效率低。为解决这些问题,提出了一种高效准确的基于查询结果的基数估计策略(cardinality estimation based on query result,CEQR),特点是统计信息来源为查询执行结果,不需要进行推导,保证基数的准确度,并且收集效率与原表数据量无关;建立一种基数表,保存基本表和中间结果在某种谓词下的统计信息,为后续查询提供服务,并建立基数维护规则,合理管理基数表;建立资源感知策略,将基数项映射到缓存,加快统计信息获取效率。给出了基于CEQR策略的适应性以及误差分析,并通过实验得出CEQR策略在效率上优于传统基数估计策略。     

元学习框架下基于圆损失度量的行人重识别模型

提出一种元学习框架下基于圆损失度量的行人重识别模型,以元学习的方式对行人重识别问题进行建模,同时使用改进的圆损失进行度量学习,改善样本之间距离的 自适应优化效果.首先,构建基于元度量学习的模型学习过程,按照逐个子任务的学习方式,在子任务中划分查询样本和支持集样本,将样本映射到向量空间.其次,在向量空间中计算查询样本与支...     

基于分布式数据库的相关子查询优化

子查询在数据库中的应用较为广泛,根据是否与父查询的表有依赖关系,可以将其分为相关子查询和非相关子查询。相关子查询需要先从父查询中取出一个元组后执行子查询,即需要反复对子查询的内容进行运算。这种策略的磁盘访问开销很大,在分布式数据库中,由于存在数据通信开销,在父查询元组过多时效率较低。针对该类子查询,在现有的优化查询策略的基础上,结合分布式数据库的特点,提出了通过子查询上拉为连接查询,消除子查询中冗余子句,消除聚集函数等方法实现的基于分布式数据库的子查询优化策略,并通过实验验证了所提优化策略的有效性。     

基于XQA查询代数的去除相关性方法

介绍了一种用于支持复杂XML数据查询优化的XML查询代数XQA以及用于实现XQuery语言的中间语言FXQL,进而提出了一种基于XQA代数的去除相关性方法(de-correlation),通过查询重写引入连接运算的方法,使得人们有可能更多地利用高性能的连接算法来提高查询效率.在扩展了广义表结构的XDM数据模型的基础上,这种查询重写通过FXQL语言的程序变换方法来实现,易于与各种函数式语言编译优化技术相互结合.实验结果证明了该方法的有效性.     

多区块链环境下的连接查询优化算法

为了提高多区块链间的连接查询处理效率,提出多区块链环境下的连接查询优化算法. 该方法在传统的多区块链模型中增加语义信息,构建语义多区块链模型,为多区块链间的连接查询提供基础. 基于该模型,参考分布式数据库的索引结构,提出多区块链间的连接索引结构,将多条区块链进行属性连接,提高连接计算的效率,减少数据传输的通信代价. 在此基础上,提出多链连接查询优化算法,提升多区块链连接查询的效率. 最后,在2个真实公开的数据集上进行实验. 结果表明,多区块链间的连接索引结构稳定;与传统的直接进行连接查询的操作相比,多区块链连接查询优化方法简化了查询处理过程,通过访问连接索引直接获取查询结果,减少了本地计算负载和网络开销,提高了查询效率.     

结合Spatial CNN的端到端自动驾驶研究

针对当前自动驾驶中端到端深度学习算法需要庞大数据集作为训练支撑且缺少针对性的问题,基于深度迁移的思想,提出了迁移预训练VGG-16网络结合Spatial CNN网络结构的端到端自动驾驶模型.将预训练模型在ImageNet数据集上已经学习到的图像识别能力迁移至转向预测任务上,同时嵌入Spatial CNN网络结构挖掘空间特征信息.研究结果表明:在基于同等少量样本的训练后,迁移学习模型提取的特征更具有相关性,与从零开始训练的DAVE-2模型相比,预测误差率降低11.1％.在测试地图上模型预测值能很好地跟随真实值变化,说明模型能够实现高精度预测.     

基于流形的约束局部模型拟合

为了将人脸形状向量集的流形结构嵌入到人脸定位模型中,以人脸定位参数模型中典型的约束局部模型为基础展开研究。结合局部坐标编码理论和稀疏约束,将基于流形结构的邻近形状向量集代替点分布模型中的非刚性形变集,实现了流形学习中的局部切空间排列方法与点分布模型的融合,从而得到了一个流形嵌入的约束局部模型。经过在模拟数据、有标注的人脸部件数据库和有标注的人脸数据库的试验验证,与基于线性重建的局部约束模型拟合相比,嵌入流形结构的约束局部模型具有更好的性能。     

带复杂计算的金融领域自然语言查询的SQL生成

研究金融领域基于自然语言查询的结构化查询语言(SQL)生成问题(Text-to-SQL), 构建一个金融领域Text-to-SQL数据集,称为SOFT数据集. 该数据集覆盖了金融领域的常见查询,具有鲜明的特点,并对Text-to-SQL提出了挑战. 提出金融领域Text-to-SQL模型FinSQL,该模型优化了对金融领域复杂查询的支持. 通过分析一类复杂计算查询（行计算查询）的特点,提出一种基于分治的方法,即先将一个行计算查询分解为若干个子查询,分别针对每个子查询生成SQL语句,再将子查询的SQL语句组合在一起得到原始查询的SQL语句. 在SOFT数据集上进行验证,结果显示,本研究所提的方法在复杂查询上效果优于已有方法. 特别地,所提出的模型FinSQL能够较好地支持行计算查询.     

基于XML代数的查询优化研究

在RTA代数基础上,通过定义对原子类型数据采用简单操作,对列表类型采用结构递归操作,给出了XQuery到RTA代数的转换方法.在RAT代数的基础上,采用完全等价变换原则重写查询,提出优化原则,减少了中间连接代价,达到查询优化目的.     

MR-CLOPE: A Map Reduce based transactional clustering algorithm for DNS query log analysis

DNS(domain name system) query log analysis has been a popular research topic in recent years. CLOPE, the represented transactional clustering algorithm, could be readily used for DNS query log mining. However, the algorithm is inefficient when processing large scale data. The MR-CLOPE algorithm is proposed, which is an extension and improvement on CLOPE based on Map Reduce. Different from the previous parallel clustering method, a two-stage Map Reduce implementation framework is proposed. Each of the stage is implemented by one kind Map Reduce task. In the first stage, the DNS query logs are divided into multiple splits and the CLOPE algorithm is executed on each split. The second stage usually tends to iterate many times to merge the small clusters into bigger satisfactory ones. In these two stages, a novel partition process is designed to randomly spread out original sub clusters, which will be moved and merged in the map phrase of the second phase according to the defined merge criteria. In such way, the advantage of the original CLOPE algorithm is kept and its disadvantages are dealt with in the proposed framework to achieve more excellent clustering performance. The experiment results show that MR-CLOPE is not only faster but also has better clustering quality on DNS query logs compared with CLOPE.     

基于灰狼算法与小波神经网络的目标威胁评估

为了提高目标威胁度评估的精确度,建立反向学习灰狼算法（OGWO）优化小波神经网络的目标威胁评估模型（OGWO-WNN）,提出基于该模型的算法.该模型使用反向学习策略（OBL）优化灰狼算法（GWO）,通过改进后的灰狼算法优化小波神经网络的各权值和小波基函数的平移因子与伸缩因子,使优化后的小波神经网络能够对威胁度测试样本集作更好的预测.实验结果显示,采用反向学习灰狼算法能够更好地优化小波神经网络的权值与平移、伸缩因子,使建立的小波神经网络目标威胁评估模型具有更高的预测精度和更强的泛化能力,能够精准、有效地实现目标威胁评估.     

基于ObjectARX2010的尺寸链公差自动生成及自动查询方法

针对工程机械中尺寸链公差生成及公差查询繁琐,设计了基于ObjectARX2010的尺寸链公差自动生成及自动查询方法。利用尺寸链自动生成公差模块,借助矩阵搜索尺寸链,根据实际需要,利用完全互换法进行公差分析或利用最优化方法进行公差分配,得到未知组成环或封闭环的公差值,实现公差的自动标注。利用SQL Server 2008数据库,将机械设计手册中有关尺寸公差查询的表格储存起来,由用户输入基本尺寸、公差等级及基本偏差代号,并通过数据库驱动模块检索零件尺寸的上下偏差,以完成公差自动查询模块的设计。通过典型轴零件标注的应用实例,验证了设计方法的快捷性和有效性。     

基于本体的关系数据库关键词语义查询扩展方法

目前关系数据库关键词查询技术主要利用关键词的语法匹配,而没有利用数据之间的语义关系进行匹配,导致查询效果往往都不太令人满意。为了改善查询效果,结合本体概念,提出了基于本体的关系数据库关键词查询的语义查询扩展方法,把用户提交的查询关键词扩展为基于本体的语义关键词。实例分析表明,扩展后的语义关键词尽可能符合用户的真实意愿。     

基于神经网络技术的异构数据库集成查询

全局查询的分解与优化是异构数据库的集成中许多难题之一。目前,有关的方法很多,但还未见到有运行效果很好的。本文介绍了一种新的基于神经网络思想的异构数据库集成查询分解与优化方案,它可以快速地将全局查询分解并优化排序。笔者在一个简单的集成系统上验证了该方案的可行性。     

基于神经网络技术的异构数据库集成查询

全局查询的分解与优化是异构数据库的集成中许多难题之一。目前，有关的方法很多，但还未见到有运行效果很好的。本文介绍了一种新的基于神经网络思想的异构数据库集成查询分解与优化方案，它可以快速地将全局查询分解并优化排序。笔者在一个简单的集成系统上验证了该方案的可行性。     

纯XML数据库存储性能的研究

针对XML数据存储在文件系统、Native XML数据库和XML-enabled数据库中性能的差异,基于3种XML数据存储方式的基本原理,提出了以查询响应时间为性能指标,以XMark为基准测试工具的性能评价方法.设计并完成了文件系统和X ind ice系统的对比实验,并根据实验结果明确了不同应用系统适用的XML存储方式.     

解决高维多目标优化的分组进化算法

高维多目标优化是解决工程应用中的常见优化问题,传统的优化算法解决四维以上优化问题效果欠佳。针对该问题及当前高维多目标优化降维算法存在的不足,提出了分组进化算法。该方法将目标函数划分为若干组,分别进化求得各组的Pareto非支配解集,在各组非支配解集上应用SPEA2算法综合求取全体目标函数的Pareto最优解。对该方法的理论可行性进行了证明,重新定义了SPEA2算法中个体适应度。仿真实验,应用标准测试函数、优化性能指标同当前的高维多目标降维算法进行了比较,结果表明,该算法具有性能上的优势。     

SQL查询优化技术在Informix数据库的应用

查询操作在各种数据库操作中所占比重最大，在数据量很大的数据库里查询，SQL语句的优化就成了很关键的问题。通过建立合理的索引、设置合适的where予句中的条件、使用临时表等措施来给数据库管理系统的优化器提供条件，以提高查询语句的执行效率，同时给出在Informix数据库中的应用实例。