数据库应用系统性能与数据查询优化

数据库查询的效率是数据库应用系统性能的重要指标，本文好数据查询优化的几种方式，并以实例说明查询优化的过程及其在数据库应用系统中的应用。     

基于MySQL的数据库查询性能优化技术研究

面对小范围局域网内数据总量不断增长的发展趋势,依托MySQL数据库管理系统、SQL查询语句,进行数据表索引、SQL查询语句、分页查询方式、MySQL查询缓存等设置,随后开展后台数据库中数据信息的SQL语法规则分析、扫描、预处理、查询执行、存储操作,针对影响数据库查询效率的客观因素,提出数据访问响应、页面加载的性能优化方案,保证MySQL数据库查询及数据调取的性能。     

基于网络容量限制的分布式数据库的数据迁移

分布式数据库中数据时常会产生数据倾斜的现象,为了平衡数据库的负载,需要对分布式数据库进行数据迁移。分布式数据库的数据迁移成本主要包括两个方面：迁移时间和对网络性能的影响。论文主要解决在数据迁移过程中如何减少迁移成本的问题。论文研究了C Lim等人的数据迁移成本的模型,这些模型只把数据迁移的时间作为数据迁移的成本,并没有考虑到数据迁移过程中对网络性能的影响。论文提出了一种基于网络容量限制的数据迁移模型,该模型将数据迁移代价的因素中加入网络容量的限制,并提出了一种基于网络容量矩阵的数据迁移算法,实验证明该算法能够有效平衡数据倾斜,与最短迁移时间模型相比,该模型能减少数据迁移对系统网络性能的影响。     

基于数据查询功能的基础水文数据库建设

基础水文数据库是国家重要的基础信息资源,涉及到很多的重要数据信息,同时也是水文数据的载体,可以根据水文业务工作的实际情况,布置出具体的基础设施。随着现代化科学技术的不断发展,为了更好的适应水文信息化变化的趋势,及时准确的为人们提供水文信息服务,就必须要对数据库的功能进行完善,使其可以承载更多的数据载体。本文通过对数据库管理系统的分析,探索数据查询功能的应用模式,并根据EXECL应用软件对数据的录入功能,筛选和查询相关的数据。     

使用XML数据岛实现数据库查询

本文介绍了如何由ASP从数据库中将查询结果转换成XML文件，然后利用数据岛实现分页显示。     

基于Oracle数据库海量数据的查询优化研究

系统数据库数据量大时,常常会遇到系统响应时间过长、占用系统资源过多等一系列问题。因此对海量数据查询技术的研究就很必要。文中基于Oracle数据库,采用各种措施和方法来提高响应速度：合理设计数据库结构、使用索引、分区、SQL语句优化等手段优化数据库。另外,分页显示查询结果也能很大地提高查询速度。实验证明,优化后速度明显提高了很多。因此可见,文中采用的优化方法对海量数据的查询优化是正确有效的。     

数据库的模糊查询技术

１问题的提出随着计算机应用的普及，各行各业开发了大量的信息管理系统，提供相关的数据信息服务，如单位的共用信息、图书馆的图书信息及公共数据库信息服务等，极大地方便了广大用户的需求。由于各行业人员不同的习惯表示，同一条信息可能有几种不同的表示形式，如学校...     

基于空间网络数据库的组最近邻居查询

组最近邻居查询是空间数据库在最近邻居查询上的新问题.目前,对组最近邻居查询的研究局限于欧氏空间,考察的只是对象间的相对位置关系,无法处理现实生活中对象间的连通性问题.鉴于此,本文基于空间网络数据库提出以网络距离为度量标准的组最近邻居查询概念,进而提出作为其算法基础的增量最近邻居查询算法INNN,最后构造出算法NMQM.
实验证明,NMQM是一种有效的组最近邻居查询算法.     

基于小波分析的网络通信大数据谱聚类算法研究

传统谱聚类算法存在聚类效果差的缺陷,为此提出基于小波分析的网络通信大数据谱聚类算法研究。采用小波分析方法对采集到的电网通信网络大数据的相异性进行度量,将得到的相异性度量结果转换为数据之间的相似性,并对网络通信大数据相似性关系进行构建,得到网络通信大数据的相似度矩阵,以上述得到的网络通信大数据相似度矩阵为基础,采用聚类算法对数据进行聚类,实现了网络通信大数据的谱聚类。通过实验可得,提出的谱聚类算法的准确率与纯度分别高出传统算法34%与21.2%,说明提出的基于小波分析的谱聚类算法具备极好的聚类效果。     

基于协同数据库的数据迁移模型研究与实现

随着信息技术的发展和企业间协作的加强,企业的各种异构数据资源之间的协同也成为一个研究的热点。在将这些异构数据源进行协同的同时,不可避免地会出现数据的流动或迁移问题。提出在协同数据库的基础上实现数据迁移的一种模型,分析迁移模型的功能组成与实现,给出关于异构数据迁移的几个建议。建立该模型的意义在于减少协同数据库系统中数据库的数量和降低维护的成本。     

基于边聚类的多层社会网络社团发现算法

针对目前多层社会网络(multi-layered social network, MSN)的社团发现算法较少、社团划分结果较粗糙等特点, 提出了一种基于边聚类的多层社会网络社团发现(CLEDCC)算法。该算法综合考虑每层关系网中的任意两节点邻居及节点本身的关系强弱, 并分别针对人造稀疏网、稠密网以及真实数据集进行仿真。实验表明, 所提出的CLEDCC算法能有效地避免参数不确定性问题, 并比跨层边聚类系数(CLECC)算法的社团划分结果更精准。     

基于用户信息的社交网络信任评估方法*

社交网络的信任评估是社交网络应用安全的核心组件,公平客观的信任评价结果对于用户获取信息的正确性非常关键。本文利用用户之间信息的相似度进行用户聚类,实现用户群体的划分,依据用户集群的结果对用户之间关系进行修正,调整信任评估结果。同时还考虑到了恶意用户的影响,加入了信任检测的方案来保证方案的鲁棒性。经过实际社交网络数据实验仿真证明,该算法不仅可以使得信任评估结果与同类用户预期更为一致,而且可以大幅度降低恶意用户刷分行为的影响,实现有效而可靠的信任评估。     

基于谱聚类的社交网络差分隐私保护算法研究

针对权重社交网络差分隐私保护算法中噪声添加量过大以及隐私保护不均衡问题,提出了一种结合谱聚类算法与差分隐私保护模型的隐私保护算法SCDP.首先针对传统差分隐私保护算法直接向社交网络边权重添加噪声方式带来的噪声添加量过大的问题,结合谱聚类算法,将权重社交网络聚类成为不同的簇,对不同的簇采取随机添加噪声的方式,降低噪声的添...     

基于分布式的大数据集聚类分析

为了提高聚类效率提出了一种基于分布式的大数据集聚类算法。该方法并不是一次性对所有的数据进行聚类,而是将大数据集随机分成若干个子集,对每个子集同时进行聚类,最后进行类的合并。实验结果表明大多数情况下该方法和传统的一次性聚类的结果一致,而且极大地提高了聚类的速度。     

基于聚类分析的可信网络管理模型

针对可信网络中动态信任模型对终端用户行为信任评估有效性问题,提出一种新的基于聚类分析的可信网络管理模型。该模型在传统信任模型的基础上引入聚类分析方法,从行为预期的角度研究用户的行为信任。通过对用户的历史行为数据进行聚类分析以构建行为预期,并利用行为预期评估用户行为,最后以信任评估结果为依据实现对网络中的用户的管理。实验表明该模型可以对长期接入的正常用户产生稳定的信任评估结果,同时迅速发现并隔离恶意用户,对可信用户与不可信用户有较高的区分度,与传统的信任模型相比具有更高的准确度及效率,达到了提高网络可信性的目的。     

基于数据聚类的网络安全防护态势优化方法

针对传统模糊特征检测方法存在的效率低、精度不高等问题,设计了一种新的网络安全防护态势优化模型;对网络安全状态分布进行建模,并利用数据挖掘技术对网络信息进行挖掘;利用新型入侵识别检测方法对所设计的网络安全估计状态进行自适应特征提取,提取网络安全状况的特征数据集和处理单元;采用模糊C平均数据聚类方法(FCM)提取综合信息;对入侵特征信息流进行分类,根据属性分类结果进行网络安全态势预测,实现安全态势评估;基于不同场景下进行实验,结果表明,所提算法适用于网络安全的场景,准确性和鲁棒性都得到了验证。     

基于语义描述与优化的网络性能数据聚类方法

为了从多源复杂的网络性能数据中挖掘有用模式以提高网络服务质量,研究了基于本体的网络性能监测数据聚类分析方法。阐述了网络性能监测数据的语义描述方法,提出基于语义和属性数据相融合的网络性能数据相似性度量模型,并给出基于改进k-means的NJW谱聚类算法。通过在UCI数据集和校园网性能监测数据集上的实验表明, 本文所提方法较相关比对方法具有更高的聚类准确性和区分度。     

基于Spark GraphX和社交网络大数据的用户影响力分析

利用社交网络大数据进行用户影响力分析,有助于识别网络环境中影响力强的用户以实现其社会和商业价值。传统方法无法高效处理海量社交网络数据,定量准确地分析用户影响力。为解决该问题,本文提出一种基于PageRank算法的改进的用户影响力评价模型,综合考虑了用户连接程度和活跃程度,并以支持大规模并行图计算的Spark GraphX为工具,快速高效地实现了微博用户影响力的定量分析与评价。实验结果表明,本文所提方法效率更高,得到的用户影响力结果更接近真实情况。