基于集合划分的分布式数据库查询分解算法

分布式数据库把数据分散存储在不同的站点上 ,使得数据库中最常用的查询操作 ,必须同时操作多个站点的数据 ,对查询处理提出了较高的要求。通过以关系模型数据库为例 ,详细地研究了分布式查询处理的一个分支——查询分解 ,从而提出了一种行之有效的查询分解算法——基于集合划分的查询分解 ,以使全局查询能完整地在各局部数据库上完成     

基于集合划分的分布式数据库查询分解算法

分布式数据库把数据分散存储在不同的站点上，使得数据库中最常用的查询操作,必须同时操作多个站点的数据，对查询处理提出了较高的要求，通过以关系模型数据库为例，详细地研究了分布式查询处理的一个分支－－查询分解，从而提出了一种行之有效的查询分解算法－－基于集合划分的查询分解，以使全局查询能完整地在各局部数据库上完成。     

一种数据流块查询操作符的设计与实现

为了使块操作符和状态操作符有效处理连续到达的数据流元组,研究了基于Punctuation的数据流连续查询处理技术.描述了分组操作符Group-by和状态操作符Join的处理规则,设计了相关的数据结构,给出了基于Punctuation的块操作符Group-by和状态操作符Join的处理过程,并对执行结果进行了分析和测试.结果表明,使用基于Punctuation的查询处理技术有助于提高块操作符和状态操作符对数据流的查询处理性能.     

XML更新流的XQuery查询

针对在XML流上执行XQuery查询处理,精确输出查询结果的问题,给出了一种基于XML更新流的解决方案.在XML流中动态地插入更新事件,得到XML更新流,以达到获取连续精确的结果.XQuery查询语言在XPath路径查询的基础上使用FLWOR表达式实现XML数据流的复杂查询.将主Xpath式进行提取,分出绝对路径和相对路径,把有依赖关系的路径进行合并,重写FLWOR表达式,提高XQuery的查询效率.实验结果表明,提出的方法能够提高执行效率,得到精确的查询结果.     

基于网格索引的Top-k偏好查询算法

目的设计基于网格索引的Top-k偏好查询算法,提高Top-k偏好查询问题的解决效率.方法利用网格索引,采用概念划分的方法,实现基于范围查询和NN查询两种方式的Top-k偏好查询算法.结果通过真实数据集测试结果表明算法能够结合网格索引的优点,与基于R树索引的传统算法相比,在k值不断增加的情况下,查询效率提高了50%,能适应多种空间特征数据对象集合.结论网格索引可以有效处理Top-k偏好查询.     

一种改进的分布式数据库查询优化遗传算法

针对分布式数据库多表查询速度慢的问题,提出一种改进的分布式数据库查询优化遗传算法。利用条件采样的方法,维持种群的多样性,防止算法陷入局部最优解;利用马氏链模型优化变异算子,确定变异算子当前状态下的最优取值,进行交叉和变异操作,找出最优查询执行计划。仿真结果表明,改进算法能在较短时间内找到最优的查询执行计划,加快查询速度,提高查询效率。     

基于CQPM的OLAP查询日志挖掘及推荐

为提高用户的使用效率,提出基于连续查询模式挖掘(CQPM)算法的联机分析处理(OLAP)查询日志挖掘及推荐方法.CQPM算法在双向扩展频繁闭合序列模式挖掘算法(BIDE)的基础上加入查询之间的间隔约束,确保查询模式的连续性.提出方法通过基于查询后缀树的模糊查询模式匹配(AQPM)算法预测用户下一步有效查询,并将预测结果按概率大小排序后推荐给用户.通过8名OLAP分析人员在Mondrian OLAP服务器上的查询日志对提出方法进行性能评价,结果表明,相较基于prefixspan的改进算法,采用CQPM算法能够去除数量庞大的冗余的查询模式,相较基本的前缀匹配算法,AQPM算法能够提高推荐的准确率.     

位置隐私保护下的连续最近邻查询

已有的位置隐私保护下的连续最近邻查询往往采用snapshot方式进行,导致较高的中央处理器开销.为此,研究了基于位置隐私的连续最近邻查询,提出了基于重用技术的位置隐私保护的连续最近邻查询算法.该算法利用相邻时刻查询结果集的相似性来减少计算成本,从而实现答案集的快速更新,可大大加快系统响应时间.实验结果表明了该算法的有效性.     

一种有效的分布式查询算法

分布式查询是一种需要网络支持且网络通信成本较大的查询过程．查询策略和技术的优劣不但直接影响到分布式查询的通信成本，而且也影响到分布式查询的效果．一种有效的查询策略和技术将大大地节约查询所需的通信成本，缩短查询所需的时间．设计和开发出有效的查询策略和技术是分布式查询面临的挑战．WPERF 连接算法是一种新的分布式查询算法，它结合了W算法和PERF算法的特点，进一步强化了W算法和PERF的性能．理论上可以证明，WPERF 算法与W算法相比较，在不增加计算复杂性的情况下，具有更低的分布式查询处理成本．     

一种连续最近邻查询的优化方法

连续最近邻查询是空间数据库中最重要的查询之一,在地理信息系统和位置定位服务等领域有重要应用.给定一个空间数据集P和查询线段q,连续最近邻查询返回结果＜R,T＞,其中T是一个间隔,R是这个间隔中所有点的最近邻.已有的连续最近邻查询算法无法实现I/O的优化,为此,提出一种优化的连续最近邻查询方法,该方法具有较高的I/O效率,不仅在减少磁盘访问数量方面进行优化,同时也提高CPU的性能.     

RPDDP:一种能源有效的无线传感器网络路由协议

描述了不同的查询机制；分析了分布式数据处理算法及其能耗特性；提出了一种能源有效的路由协议RPDDP并给出了RPDDP的协议描述。RPDDP采用双向查询机制以节省路径建立过程的能源消耗；通过提供分布式网络数据处理有效地减少了通信开销；并且为用户提供能源节约和可靠性之间的折中机制。仿真实验结果表明与已有的传统查询机制相比，RPDDP的查询成功概率较高，平均每个分组的通信开销较低；当sink同时发送2个查询包时，网络性能最优。     

基于对象方向方位的连续方向查询算法

连续的方向查询返回一个拓扑集合,传统的方法无法计算出连续的方向变化,基于这种情况,介绍了一种利用索引结构TPR树来处理基于对象方向方位的连续方向查询算法,通过扩展时间参数化窗口查询技术,提高传送效率来减少I/O和CPU的设备开销。最后通过实验数据表明利用OSS策略进行连续的方向关系查询的I/O性能明显优于重复查询方法的性能。     

一种关系数据库上的关键词查询排序方法

提出一种新的关键词查询排序算法来提高关系数据库关键词查询系统的查询效果。文中定义了关键词查询模型,分析了典型系统的排序算法,并确定了影响查询效果的四个主要因素,进而提出新的关键词查询排序算法。实验结果表明,该算法具有较高的查询和排序准确率,能够有效地提高关键词查询效果。     

一种改进的分布式搜索引擎模型

为了解决传统分布式搜索引擎存在的搜索性能问题,从索引结构、查询算法方面改进了传统模型．提出了一种非集中的高并行化搜索模型,该模型按照文档主题对索引分类,对较长的倒排记录表采用位图结构,利用多线程技术对索引节点实现并行搜索算法(multi max score heap,MMSH)．实验结果表明:改进模型中的索引分类方法与倒排表结构的位图策略,能够增强Merge层查询的针对性,降低Merge层节点的CPU和内存开销;在倒排表不能完全存入内存情况下,MMSH算法能够实现高度并行化查询,其查询效率高于经典的term-at-a-time算法,缩短了平均查找时间,提高了系统吞吐量．索引分类、位图结构以及并行查询算法能够避免查询的盲目性,改善了分布式搜索引擎的性能．     

一种针对LBS中k-匿名连续查询的攻击算法

针对k-匿名机制无法保证位置信息服务（LBS）中连续查询隐私性的问题,提出一种连续查询发送模型,该模型融合了查询发送时间的间隔模型和连续性模型.在该模型的基础上针对k-匿名算法,提出一种连续查询攻击算法,该算法将和连续查询相关的一系列快照互相关联,计算出快照的匿名集内每个用户发送查询的概率,从而估计出查询真正的发送者.仿真实验模拟在不同的连续性参数、匿名集的势的情况下,使用连续查询攻击算法重识别受k-匿名保护的查询.通过对被恶意攻击者重识别的查询数量统计,结果表明,对连续性很强的查询,攻击算法重识别用户身份的成功率极高（85%）,比不使用攻击算法所获得的重识别率提高了1.5倍以上,严重破坏了查询的匿名性.     

基于群用户兴趣模型的搜索结果排序研究

为提高搜索引擎的查准率,提出了一种基于群用户兴趣模型的加权全局相关度查询排序算法。算法综合考虑了用户搜索意图与搜索结果的全局相关度,改进了搜索引擎的排序结果,为用户提供了准确的搜索服务。实验结果表明,与用户意图相关的搜索结果能够排在最前面,搜索准确率明显提高。     

基于改进Kd-Tree构建算法的k近邻查询

k近邻查询算法是查询大规模空间数据的常用算法之一,使用Kd-Tree先构建大规模空间数据的索引,然后对搜索空间进行层次划分,再进行k近邻查询,能保证搜索的效率。但是,传统的Kd-Tree构建有两个缺点：使用测试数据点进行k近邻查询每次都需要回溯到根节点,影响了查询的效率;Kd-Tree使用split域对空间进行层次划分,空间划分为立方体（二维数据表现为矩形）,多边形空间在相交判断时会出现没必要进行数据距离比较的多余空间,这样会影响查询的效率。针对这两个缺点,本文提出了相应的改进算法---RB算法。实验结果证明,该算法比传统的KD算法拥有更高的查询效率。本文的主要贡献有两点：（1）构建一种快速创建Kd-Tree索引来支持KNN算法进行大规模数据的分类查询操作。（2）改进传统的Kd-Tree索引构建方法,提出新的改进算法RB算法,提高KNN算法查询的效率。     

基于GPU的大图数据上的关键字检索算法

在传统图上关键字检索问题研究的基础上,基于图形处理器（GPU）设计新的关键字检索算法. 基于Steiner tree语义定义关键字检索问题,针对该问题结合传统多源最短路径算法在CPU上设计基本算法,由于CPU架构特性,该算法无法直接移植到GPU上. 提出GPU上的基本检索算法,分析它相对于CPU版本的优势和仍然存在的不足. 为了提升算法查询速度,反思GPU上基本检索算法的不足之处,提出基于索引的优化技术,利用单源最短路径算法的松弛更新思想、关键字独立性和内部整体性,设计GPU上的高效关键字检索算法. 扩展该算法思想,对r-cliques关键字检索问题提出GPU上的优化思路. 通过分析算法复杂度并在真实数据集上进行实验,证明该GPU算法的正确性和有效性,并证明算法在较大规模图数据上仍有较强的计算性能.