对SQL查询结果分组的过程分析与设计

对SQL中的查询结果进行分组情况下DBMS的执行过程进行分析,并对查询结果分组进行设计。     

SQL分组查询的教学探讨

SQL分组查询是SQL数据查询语句的一个教学难点。首先分析了学生在学习分组查询时存在的主要问题,然后结合实际教学经验,提出了一种通过对分组查询实例的执行过程进行分析来学习分组查询的教学方法,初步实践表明可以有效提高SQL分组查询的教学效果。     

利用实体语义信息的关键字查询结果多样化

近年来,可扩展标记语言（extensible markup language,XML）数据的关键字查询受到广泛关注和研究,查询结果的多样化作为提高用户查找效率的有效途径,也成为一个研究热点。已有的方法采用不同的粒度对查询结果进行多样化,但效果并不理想。为解决这个问题,提出了一种新的方法——从查询结果所描述的中心实体出发对其进行多样化。首先分析实体包含的语义信息,根据实体的特征定义实体语义相似性计算公式,然后通过衡量这些实体之间的语义相似性,对其进行语义划分,并给出查询结果所属中心实体的定位规则。基于以上工作,就可以将查询结果依据其所属中心实体的分组情况进行分类。这样得到的查询结果分组可以让用户根据每组的语义标签进行查询导航,有利于提高查找效率。实验结果证明了该方法的有效性。     

一种扩充语义的实视图重写查询技术

分组聚集查询已成为数据仓库领域研究的核心问题之一,实视图是提高分组聚集查询性能的有效手段。利用维属性间的层次关系,对一般意义上的实视图重写查询进行了扩展,讨论了单一视图重写查询的限制条件,并给出重写方法,在此基础上,提出了一种利用多个实视图重写查询的优化选择算法,并通过实验表明,该算法进一步提高了分组聚集查询效率。     

一种应用于Deep Web数据集成系统中的查询松弛策略

针对Deep Web环境中存在的失败查询,提出了一种有效的查询松弛策略.所有Deep Web资源按查询接口属性分组,组成全局数据源关系图(DRG);针对特定查询将DRG转换为对应该查询请求的数据源关系图;利用该DRG,按照特定的规则进行查询松弛和执行处理.针对查询松弛导致的部分结果可能与用户查询请求的相似度较低的问题,提出先通过Skyline方法对结果进行筛选,然后再根据各个结果实例与用户查询的相似度进行Top-k排序,最后将最接近用户要求的结果集返回给用户.通过实验验证了提出的查询松弛策略的有效性.     

一种基于维层次编码的OLAP聚集查询算法

联机分析处理(OLAP)查询往往需在海量数据上进行即席的复杂分组聚集查询，在其SQL语句中通常包含多表连接和分组聚集操作，因而减少多表连接和压缩关键字，以及对查询数据进行有效地分组聚集操作，成为ROLAP查询处理的关键问题。提出了一种基于维层次编码的新型预分组聚集算法DHEPGA．DHEPGA算法充分利用了编码长度较小的维层次编码及其前缀，来快速检索出与查询关键字相匹配的维层次编码，求得维层次属性的查询范围，减少了I／O开销，提高了OLAP查询效率。理论分析和实验结果表明，DHEPGA算法性能是非常有效的。     

基于结果类型分组的XML关键字查询*

提出了基于结果类型分组的XML(extensible markup language,可扩展标志语言)关键字查询算法。采用熵值赋权法确定结果类型,继而对XML文档节点虚拟分组,并在虚拟组的基础上给出了相应的查询算法,不仅确保了结果信息的完整,避免了丢失某些有意义结果和返回无意义结果的现象。实验结果表明,所提出算法与SLCA、MLCEA相比,在查询质量、效率及稳定性上有一定提高。     

基于两阶段分层抽样的近似聚合查询方法

以数据仓库应用为代表的交互式查询分析技术为智能决策提供了支持。随着数据规模的不断增大,准确计算聚合查询结果往往需要全局数据扫描,使得这类查询面临着实时响应能力不足的问题。基于预先抽取的样本数据,复杂聚合查询提供快速的近似答案,在许多场景下是解决该问题的可行方案。分析了分层抽样优于随机抽样的具体条件,提出了一种两阶段分层抽样方法。首先针对业务特征进行分组,每个分组中使用随机抽样方法进行随机抽样,并评估其抽样效果。再针对抽样效果较差的分组,利用自组织特征映射网络（Self-organizing feature mapping,SOM）对数值进行聚类分组,改进其近似查询效果。基于公开数据集和实际电网数据的实验结果表明：本文方法相比于随机抽样、分层随机抽样以及国会抽样算法在相同抽样率下可达到15%的性能提升;与使用K-means、基于密度的聚类算法（Density-based spatial clustering of applications with noise,DBSCAN）等聚类方法相比,自SOM具有较好的近似查询结果。     

基于粗糙集的个性化Web搜索系统

本文提出了一种基于粗糙集理论的个性化web搜索系统。用户偏好文件中对关键字进行分组以表示用户兴趣类别。利用粗糙集理论处理自然语言的内在含糊性,根据用户偏好文件对查询条件进行扩展。搜索组件使用扩展后的查询条件搜索相关信息。为了进一步排除不相关信息,排序组件计算查询条件和搜索结果之间的相似程度,根据计算值对搜索结果进行排序。与传统搜索引擎进行了比较,实验结果表明,该系统有效地提高了搜索结果的精度,满足了用户的个性化需求。     

非一致性数据库的多关系聚集查询重写

基于非一致性关系数据库的选择连接查询技术,提出了基于非一致性数据库多个关系上的聚集查询重写方法。该聚集查询重写方法先通过查询出多关系上的一致性结果,然后进行分组聚集,返回聚集表达范围边界值。实验采用TPC-H策支持基准进行性能研究,结果表明重写查询比初始查询的执行时间要长,但还是可以接受的,因此该方法是有效的。     

基于分组评分的改进的Chord搜索算法

针对目前结构化搜索技术存在的缺陷,提出基于分组评分的改进的Chord搜索算法,其中包括节点重要性评分机制和分组机制。在Chord搜索算法的基础上,设计一套效率更高的搜索机制。通过实验比较该算法在搜索不同数目节点时的成功率、搜索效率及重要性评分对搜索结果的影响,证明该算法可以提高搜索效率。     

一种改进的粒子群优化RBF网络学习算法

提出了一种新的用粒子群优化RBF网络学习的算法,即分组训练合成优化。该算法利用粒子之间的合作与竞争以实现对多维复杂空间的高维搜索能力,找出神经网络权值的最优解,以达到优化神经网络学习的目的。通过与用最小二乘法优化的神经网络进行了比较,结果表明算法所优化的神经网络收敛效果明显、收敛速度快。     

基于特征选择的智能化分组遗传算法

典型遗传算法在进化过程中易陷入局部收敛、过早收敛,效率低,针对这些问题,提出一种基于特征选择的智能化分组遗传算法,利用特征选择原理和分组优化思想对进化过程中的基因进行智能分组的遗传操作,在适应度函数中引入个体特征构建动态的环境适应度评价模型。算法通过分组的遗传操作,保证了父代的优秀模式遗传到下一代,加快了收敛速度,分组变异算子扩大了搜索范围,使结果容易走出局部最优解。应用实验验证表明,算法对局部最优解有较强的免疫能力,有效搜索到全局最优解的进化代数较典型遗传算法明显减少,收敛精度高,证明了算法的有效性。     

正则表达式分组的1/(1-1/k)-近似算法

对正则表达式集合进行分组是解决DFA状态膨胀问题的一种重要方法.已有的分组算法大都是启发式的或蛮力的,分组效果很差.分析了DFA状态膨胀的原因,总结了某些正则表达式间的冲突状况.证明了当冲突非负和冲突独立时,正则表达式集合的最优k分组问题可归结为最大k割问题,从而说明该问题是NP-Hard的.基于局部搜索的思想,提出了一种分组算法GRELS来解决分组问题,并证明对最大k割问题,该算法的近似比是1/(1-1/k)与已有的分组算法相比,当分组数目相同时,GRELS算法分组结果的状态总数最少,并且集合发生变化时所需的更新时间最短.     

基于遗传算法的实体分群问题的求解方法

为减轻指挥人员的认知负担,研究了作战实体的分群问题。结合遗传算法强大的搜索能力和CBR在知识获取、维护等方面的优点,利用与CBR相结合的遗传算法求解分群问题。通过把各作战实体聚合为各种规模、各种类型的作战群体,该方法将大大减轻指挥人员的认知负担,提高其决策的效能。     

基于兴趣分组和物理拓扑的P2P网络模型

随着P2P网络规模和用户量的增加,P2P环境下的信忠量也随之飞速增长,给用户在搜索、定位和获取信息资源上都带来了巨大的困难.以全分布式非结构化拓扑结构为基础,采用Gnutella协议,提出了一种全新的P2P网络优化模型——NIP2P.NIP2P是将兴趣分组和物理位置相结合的P2P模型,可以提高搜索效率,缩短搜索路径,减...     

Grouping of business processes models based on an incremental clustering algorithm using fuzzy similarity and multimodal search

Nowadays, many companies standardize their operations through Business Process (BP), which are stored in repositories and reused when new functionalities are required. However, finding specific processes may become a cumbersome task due to the large size of these repositories. This paper presents MulTimodalGroup, a model for grouping and searching business processes. The grouping mechanism is built upon a clustering algorithm that uses a similarity function based on fuzzy logic; this grouping is performed using the results of each user request. By its part, the search is based on a multimodal representation that integrates textual and structural information of BP. The assessment of the proposed model was carried out in two phases: 1) internal quality assessment of groups and 2) external assessment of the created groups compared with an ideal set of groups. The assessment was performed using a closed BP collection designed collaboratively by 59 experts. The experimental results in each phase are promising and evidence the validity of the proposed model.     

基于P-范式模型的P2P网络分组查询算法

P2P系统的可用性取决于查找数据的有效方法。利用节点兴趣和节点与中心节点的通信延迟建立链接,动态分组P2P网络的节点,查询节点通过中心节点转发搜索请求给其他中心节点,中心节点收到搜索请求后,若查找资源的主题排在本组关注的前K（K一般取1～3）位,则搜索本组内所有节点。在此基础上,提出了一种基于P-范式模型的P2P网络分组查询算法。算法分析和实验结果表明该算法的性能优于MSW查询算法。     

非一致性数据库关键词非聚集约束查询与性能分析

在分析非一致性数据库一致性查询方法的基础上,结合非聚集约束条件,以关键词为元数据,利用B-树与二叉树的原理,提出一种新的针对非一致性数据库的查询方法.通过节点分组访问、分层迭代查询的方法,不仅解决非一致性数据库约束条件难写的问题,而且容易组合选择查询条件,有助于提高查询的灵活性与准确性.