数据仓库环境中可扩展的动态物化视图选择方法

数据仓库通常要对大量的数据进行运算,以精简的结果来回答用户的查询,这一特点使得物化视图技术在数据仓库中尤为重要.然而现有支持物化视图自动选择的方法是静态的,它违背了联机分析处理(OLAP)和决策支持系统(DSS)的动态本质.本文提出了可扩展的动态物化视图方法,通过将整个物化视图选择问题(MVS)分解为三个阶段,降低了问题的复杂度,提高了物化视图的有效性.通过动态调整,物化视图能即时适应查询需求.算法复杂度分析证明了方案的可扩展性.动态调整算法模拟实验验证了方案具有很好的自适应性.     

网络黑板的设计与实现

为方便用户间可视图形、文字的信息传输，设计了网络黑板系统。网络黑板从功能上是指在网络中建立一个可视的信息共享机制，网络用户可通过它相互交流，实现信息的实时通信。系统是基于TCP／IP协议的，采用CLIENT／SERVER模式的网络通讯系统。采用WinSock控件连接客户端和服务器端来实现通信，以PICTURE BOX控件作为黑板主体，通过信息编码及编程实现双机／多机之间的可视图形、文字信息的可控实时传输。     

基于二维主分量分析的光谱数据降维方法

高维数据处理是天体光谱自动处理的重要组成部分。提出一种基于二维主分量分析的光谱数据降维方法,通过构造主分量空间将分散在一组变量上的高维光谱数据投影到2个主成分上,得到二维坐标;每一个主成分都是原始变量的线性组合,主成分之间互为正交关系,在剔除冗余信息的同时,通过主成分分析的降维,解决光谱数据的存储和处理问题。     

一种基于PCA和系统成团法的聚类软件设计

提出一种基于主分量分析和系统成团法的快速聚类方法.通过构造主分量空间将分散在一组变量上的高维天体光谱投影到两个主分量上,每一个主分量都是原始变量的线性组合,主分量之间互为正交关系,在剔除冗余信息的同时,得到二维坐标;以此为输入,使用系统成团法进行聚类分析研究,实现高维天体光谱的快速自动分类处理.以上述方法为基础设计天体光谱自动分类软件,实现海量光谱的快速、准确分类.     

PCA和相融性度量在聚类算法中的应用

提出一种基于主分量分析和相融性度量的快速聚类方法。通过构造主分量空间将高维数据投影到两个主成分上进行特征提取,每一个主分量都是原始变量的线性组合,主分量之间互为正交关系,在剔除冗余信息的同时,实现高维数据降维,得到二维坐标,以此作为聚类分析的输入;提出相融性度量的定义,用相融性度量描述一个样本与训练集相融合的程度,设计一种基于相融性度量的分类器。以该方法为基础设计的光谱自动分类系统可实现快速、准确地分类。