基于多处理器数据库系统的查询调度算法

提出一种多重查询调度算法——连续读取特性（CRP）调度算法,该算法应用连续读取特性,使查询的数据可以重组出某些连续关系,从而使之具有连续读取特性,解决了现有算法中有部分系统资源闲置的问题,提高查询速度。仿真实验结果表明,CRP调度算法的系统利用率和系统性能均优于其他算法。     

基于内存管理的多重查询调度算法

先前已经提出的CRP调度算法是应用连续读取特性,使查询的数据可以重组出某些连续关系使之具有连续读取特性,解决了现有算法中有部分系统资源闲置的问题.在此基础上,结合批处理调度有效运用内存的思想,提出一种更有效的多重查询调度算法--ACRP调度算法.该算法首先找到占用处理节点最多的查询组合,结合内存管理,尽量重复使用内存中已存在的数据,能提高系统性能和利用率.该算法经仿真实验验证切实有效可行,相对其它算法能明显提高系统性能和利用率.     

数据流系统中的一种查询调度及负载脱落模型

如何在资源有限的情况下,快速执行查询处理并最大限度地减少查询精度的损失是数据流查询处理的主要任务之一.从操作符的优化调度和负载脱落两个方面研究了这一问题.分析了影响操作符调度的主要因素,结合操作符对不同元组的不同处理特性以及系统运行状态,设计并实现了一个基于优先级的调度模型.其中采用人工神经元网络中的算法对影响操作符优先级的权重系数进行训练,实现了基于动态优先级的调度.使用负载脱落技术可以使系统在大量突发数据流元组进入系统而系统无法处理时及时脱落其中的部分数据,维持系统的正常运转,提高系统查询处理的可用性.针对存在两个数据流连接操作符的查询请求,研究了负载脱落和反脱落的时机、数量、位置、谓词等问题,设计并实现了一个基于语义的负载脱落模型.算法和模型的运行结果表明该模型在过载时系统能够及时降载,在欠载时能及时进行反脱落操作,减少了性能的损失.     

DSI:一种基于动态分段的时间序列查询索引

时间序列数据主要依据采集时间进行排序,时间序列上相邻的数据具有一定的关联性,当用户读取时间序列数据时不只是读取一条数据,而是连续读取一段时间序列数据。针对时间序列的局部性特点,提出一种基于动态分段的时间序列索引DSI,通过设置差值及差值等级对时间序列数据进行动态分段,使用区间树快速查找不同长度的数据分段块,并利用层次聚类算法优化查询结果集合。实验结果表明,DSI索引的查询效率优于现有时间序列查询索引。     

高速网络中数据流处理系统的适应性机制

高速网络环境中的数据是以数据流的形式存在，数据到达可能是突发性的，数据到达速率是随着时间变化的，对数据流的实时查询处理要能适应数据流的特性和网络的波动环境，该文对数据流查询计划中调度策略的适应性进行了分析，应用闭环控制理论和合适的调度算法，实现在降低运行时系统存储需求的同时保持较低的输出延迟，提高了适应性和查询的精度。     

MESHJOIN*:实时数据仓库环境下的数据流更新算法

提出了一种新的实时数据仓库环境下的数据流更新算法——MESHJOIN*算法。算法的特性有:(1)关系R采用了分块和散列的组织形式,尽可能避免对当前连接无效元组的读取,减少连接操作所涉及元组的数量,从而提高连接算法的效率;(2)采用了多线程并发连接技术,并根据工程学原理,实现了连接操作和关系R读取操作的最佳调度,保证了连接算法效率的最大化;(3)根据当前系统的服务率和数据流元组的到达率之间的关系,合理调度实时元组和准实时元组的执行,保证了系统对实时元组的处理要求。实验结果表明,MESHJOIN*算法可以取得比MESHJOIN算法更好的性能。     

数据流关键技术研究

处理无限的连续数据流的应用日益流行,传统数据库对快速变化的数据流进行在线分析的支持存在很多限制,需要对已存在的技术进行广泛的研究扩展,构建新的系统管理流数据。本文回顾近来数据流管理系统领域的相关工作和流项目的研究情况;分析了连续查询处理的新需求和挑战及数据流系统新颖之处;重点研究包括数据模式,系统结构,连续查询语言,调度方法,相关算法和查询评价等关键技术。并提出在数据流研究方面的一些新看法。     

Ro-RAT系统随机调度算法

I/O调度对存储系统的性能、响应速度有很大的影响。本文介绍了一种用于地质勘探领域数据存储的Ro-RAT(ReadOnly RAID-tape-library)系统。该系统采用磁盘作为磁带库的缓存系统,以提高整个系统的读取速度。我们设计了一种适合该系统的磁带I/O调度算法SCAN-M。该算法与应用于磁盘I/O调度的电梯算法类似,但针对磁带的特点进行了调度的排序和合并。从仿真结果看,SCAN-M算法对系统的I/O性能有较大的改进。     

有效的子空间支配查询算法——Ranking-k

针对Top-k dominating查询算法需要较高的时空消耗来构建属性组合索引,并且在相同属性值较多情况下的查询结果准确率低等问题,提出一种通过B⁺-trees和概率分布模型相结合的子空间支配查询算法--Ranking-k算法.首先,采用B⁺-trees为待查找数据各属性构建有序列表;然后,采取轮询调度算法读取skyline准则涉及到的有序列表,生成候选元组并获得k组终结元组;其次,根据生成的候选元组和终结元组,采用概率分布模型计算终结元组支配分数.迭代上述过程优化查询结果,直到满足条件为止.实验结果表明:Ranking-k与基本扫描算法(BSA)相比,查询效率提高了94.43%;与差分算法(DA)相比,查询效率提高了7.63%;与早剪枝Top-k支配(TDEP)算法、BSA和DA相比,查询结果更接近理论值.     

数据流操作符实时调度策略研究

处理无限的连续数据流的应用日益流行,数据流的质量意识越来越多得到人们的重视,数据流上的连续查询系统必须是自适应的,在系统可用资源无法满足需求的时候,需要对操作符进行有效的调度,将讨论DSMS操作符实时调度的各个方面,并提出一种适合时间序列QoS要求的查询处理任务调度策略,实验结果证明所采用的调度策略是有效的。     

基于可辨识布尔矩阵的协调决策表的属性约简

将条件属性分成核心属性、相对必要属性和绝对不必要属性,给出协调决策表的快速属性约简算法。提出协调决策表的可辨识布尔矩阵和布尔矩阵的初等行变换的概念,建立属性约简的数学模型。用布尔矩阵的初等行变换把可辨识布尔矩阵化为最简矩阵,给出通过可辨识布尔矩阵和最简矩阵判定3种条件属性的3个充分必要条件以及一种新的属性约简算法。     

一个新的差别矩阵及其在决策表中的应用

在利用差别矩阵求解决策表的相对核方法中,针对HU方法的错误,人们提出了各种各样新的差别矩阵及求相对核的方法,但计算代价高.把决策属性与条件属性放在一起构造出一个新的差别矩阵,得到了差别矩阵的若干性质和定理.在此基础上提出了求决策表的正区域、相对核、相对约简和最小约简的新算法,分析了该算法的时间复杂性.理论分析和实例表明,与现有的属性约简算法相比,该算法的时间复杂性较低.     

一种基于差别矩阵的启发式属性约简算法

为了获得决策系统中更好的相对属性约简,本文提出了一种基于差别矩阵的启发式属性约简算法。该算法以求差别矩阵为基础,不仅考虑了所选择条件属性与决策属性的互信 息,还考虑了其取值的分布情况,从信息论角度定义了一种新的属性重要性度量方法,将其作为启发式信息,最终求得属性约简集。实例表明,算法能够有效地对决策系统进进行约简,获得比较理想的约简结果,同时约简后的决策规则数目较少。     

关系决策系统中相对不可区分和区分关系的约简

针对相对不可区分和区分关系约简的问题提出相应的算法。首先，考虑等价关系中相对不可区分关系的约简，提出一种新的辨识矩阵，并在此基础上得到了一种约简算法，通过关系的补关系提出相对区分关系的约简算法。然后，将相对不可区分关系等概念推广到一般关系。对于关系决策系统的相对不可区分关系约简给出了相应的辨识矩阵，并利用关系的补关系得到了相对区分关系约简的辨识矩阵，从而得到了两者的约简算法。最后，在选取的UCI数据集上，对提出的算法进行验证。在等价关系上，基于绝对约简的相对不可区分关系的约简（EQIND）算法与相对不可区分一般关系的约简（BⅡND）算法所得约简相同，基于绝对约简的相对区分关系的约简（EQDIS）算法与相对区分一般关系的约简（BIDIS）算法所得约简相同；同时算法BⅡND、BIDIS可以对不完备决策表进行约简。实验结果验证了所提算法的可行性。     

不同信任结构下约简的证据特征及其一致性

不一致性决策表中广义决策约简与相对约简不完全一致.文中给出划分和覆盖2种信任结构下的广义决策约简和相对约简的概念,研究这2种约简的证据结构特征,分别证明广义决策约简和相对约简是保持广义决策值的似然函数之和与信任函数之和不变的最小属性集合.在此基础上,提出划分和覆盖结构中的广义信任约简,进而分析这2种结构中广义决策约简、广义信任约简及相对约简的一致性,证明广义决策约简必为相对约简协调集且广义决策约简与广义信任约简等价,得出相对约简的核蕴含于广义决策约简的结论.最后分别给出2种信任结构下广义决策约简与相对约简相同的充分必要条件,完善不同信任结构中的约简理论.     

区间值决策系统的局部属性约简

区间值决策系统中已有的属性约简工作主要针对决策属性中所有的决策类。针对区间值决策系统中决策属性的某些特定类,引入了区间值决策系统局部约简的概念,提出了部分决策类约简的判定定理;利用差别矩阵方法研究局部约简的结构,并给出了基于差别矩阵的局部约简算法。通过局部约简的概念对区间值决策系统的全局约简结构进行进一步刻画,讨论了不协调区间值决策系统的局部约简和全局约简之间的关系。最后通过相关实验验证了所提算法的可行性和有效性。     

一种基于粗集理论的增量式属性约简算法

增量式学习中,当信息系统的对象和决策属性不变而不断增加条件属性时,为了获得该系统的约简属性,一般方法是对决策表中的所有数据重新计算,但这种方法显然效率很低且不必要.在粗集理论的基础上,给出相对区分矩阵和绝对区分矩阵的定义,提出一种新的增量式属性约简算法.通过实例得知:由该算法得到的属性约简与传统算法得到的属性约简结果相同,但该算法不仅降低了时间复杂度而且其分类质量一般要优于原来的分类质量,所以该属性约简具有一定的实用价值.     

一种改进的基于差别矩阵属性约简算法及其应用

为得到决策表的一个最优约简或相对最优约简,提出了一种改进的约简算法,先利用差别矩阵约简算法得出约简全集,然后通过定义约简的可信度、相对于核的属性重要度,计算出决策表的约简,并在中央空调系统节能决策表中应用,结果表明了该算法的有效性。     

不一致决策表的值约简方法

对目前求不一致决策表最简规则方法存在的问题进行了分析,提出了一种构造区分矩阵的方法,能更好地适用于多决策属性存在的决策表中.借助区分矩阵进行值约简,提出了一种新的规则提取算法.利用属性的重要度来描述条件属性所提供的知识对决策表的影响程度,引入规则准确度来衡量算法是否造成决策表的新的不一致规则.该算法不会破坏决策系统中一致规则和不一致规则所蕴含的信息量,保持约简前后规则的准确度不变.     

不完备决策系统下的多特定类广义决策约简

属性约简是粗糙集理论研究中最重要的领域之一。经典的不完备决策系统广义决策约简关注决策系统中的所有决策类,而在实际应用中,决策者往往只关注一个或者几个特定决策类。针对以上问题,提出基于多特定类的不完备决策系统广义决策约简理论框架。首先,定义了单特定类的不完备决策系统广义决策约简的相关概念,提出并证明相关定理,构造相应差别矩阵和区分函数。其次,将单特定类的广义决策约简推广到多特定类,提出基于差别矩阵的多特定类的不完备决策系统广义决策约简算法。最后,采用6组UCI数据集进行实验。实验结果表明,相对全部决策类数量,当选定特定类数量较少时,平均约简长度有不同程度的缩短,占用空间有所减小,约简效率有不同程度的提升。