基于尺度选择性的空间数据源选择与预取策略

合理高效的数据源选择策略是提高空间信息检索系统效率的重要因素之一。针对以往研究中对空间尺度语义关注程度的不足,提出一种结合空间尺度语义选择检索数据源的方法。该方法综合考虑人眼视觉特性,计算出参与分布式查询计划生成的数据源集合,过滤在尺度意义上对最终查询结果无影响的数据源,并通过将数据源的简化表达进行预取,进一步减少了查询的整体执行代价。实验结果表明,提出的方法在大尺度查询和小尺度查询时均具有良好的性能。     

异构数据源集成系统中能力对象集成模型及代数

异构数据源集成系统中,参与集成各数据源的查询处理能力有自身特殊的限制,导致中介器支持的查询类型变得复杂。提出一种便于异构数据源集成的公共能力对象数据模型———COIM对象模型,在此基础上,进而定义数据源能力对象代数,给出基于局部数据源的能力对象构造集成系统中介器能力对象的方法。由于可以通过计算得到中介器能力对象,用户能够提前预知中介器支持的查询类型,从而直接构造可以执行的查询,减少查询提交的盲目性;同时中介器本身也可像数据源一样参与其它中介器的集成,集成方式变得更为灵活。     

信息融合系统中算法管理理论研究

信息融合系统中,数据源千差万别,多种多样;而众多的信息融合算法也具有不同的适应性.通过对实验数据的分析说明了数据源以及融合算法的选择显著影响了最终的融合结果.针对数据源、融合算法和融合结果之间的关系,以优化融合结果为目的,提出了信息融合系统中算法管理(Algorithm Management)的理论,阐述了算法管理的目标、算法管理可能的方法和算法管理的实现结构.最后讨论了信息融合领域中与算法管理理论相关的其他问题.     

基于N层向量空间模型的装备IETM数据查询

为了提高IETM数据查询的准确率,通过对数据模块编码层与XML内容层进行分析,结合N层向量空间模型查询算法,从IETM数据模块编码层中的型号识别码、系统层次码、信息码以及数据模块内部数据信息入手,提出了一种基于N层向量空间模型的装备IETM数据查询算法,并通过IETM实例验证了该算法的正确性与实用性。     

SIP多域系统及其呼叫路由查询研究

简单的IP电话系统只有一个SIP管理区域,复杂的IP电话系统则可以有多个SIP管理区域。文章提出了SIP多域系统的总体结构,系统分析了基于DNS的呼叫路由机制及其不足,给出了基于P2P的最差两跳呼叫路由查询算法,在典型话务模型下对算法进行的定量分析表明,呼叫路由处理效率得到有效提高。     

模糊技术分布式多传感器系统量测-航迹相关算法

给出了一个在分布式多传感器多目标跟踪系统中的新的全邻近模糊逻辑量测-航迹相关算法,该算法是基于FCM算法开发的。全邻近模糊逻辑数据相关算法在预测的目标状态的控制门内用合并所有观测来对状态估计进行修正。这里提出的全邻近模糊相关算法用可能性值对测量和航迹进行相关。可能性值作为隶属度通过FCM算法确定。     

数据整合技术研究

信息技术的快速发展使企业对其数据整合的需求提升到前所未有的高度。整合更是企业由内向外发展意识的体现。本文从数据源系统的整合出发,探讨了数据整合的方法及技术路线。     

基于扩展时空距离度量的连续k近邻查询方法

针对基于TPR树索引的连续k近邻查询,引入了一种新的时空距离度量最小最大距离函数作为TPR树索引搜索时节点剪枝上界。提出了一种采用最优优先策略的基于扩展时空距离度量的连续k近邻查询STM-CNN算法,利用最小距离函数进行TPR树索引节点搜索时访问排序,并使用最小最大距离函数对TPR树索引进行剪枝界定。     

后方油库数字化建设中异构数据源的整合与集成模式研究

针对数字化油库建设过程中突出的问题--异构数据源问题进行了分析,提出了异构数据源整合和集成的要求,在异构数据源整合和集成的实现中,从为部队节约经费的实际出发,摈弃通常高成本的数据仓库技术和数据抽取工具,综合利用现有低成本的数据库管理系统中的数据转换工具进行数据的转换和集成,并以Oracle数据库为例,给出了异构数据源整合和集成的步骤,使得油库已有的多种应用系统、多种异构数据源能够并存,并有效地实现异构数据源的动态及时互访和信息的挖掘及综合利用.     

PB7.0配置数据源的自动实现

在深入理解Windows注册表的基础上 ,揭示了配置ODBC型数据源的实质 ,并用程序实现了数据源的自动配置 ,从而提高了数据库应用程序的完整性和独立性     

基于DJI分步实现的联机空间距离查询处理

综合考虑了查询处理时的计算费用和存储费用,提出了距离连接索引(Distance associatedJoinIn dices,DJI)的分步实现方法,以高效地支持联机空间距离查询。该方法采用分阶段计算DJI的策略,根据用户的查询条件动态地计算DJI的一部分以支持查询。实验研究证明,与传统方法相比,DJI的分步实现方法在性能上具有较大优势。     

一种时空数据流中范围聚集查询共享策略

根据查询谓词的相似性来实现计算共享是数据流查询优化的主要策略之一,主要针对时空数据流中基于滑动窗口的范围聚集问题进行查询优化,采用时间片段和空间片段分别描述滑动窗口之间和空间范围谓词之间的重叠。提出基于时空分片技术将时空数据流元组分成互不重叠的时空片段。范围聚集查询首先基于时空片段生成中间结果,然后根据查询条件与时空片段的映射关系生成查询结果。实验表明,提出的时空分片策略能大大提高时空数据流中范围聚集查询的性能。     

HBase中半结构化时空数据存储与查询处理

针对在HBase中如何进行有效的半结构化时空数据存储和查询问题展开研究,对该问题进行形式化描述,并利用半结构化处理方法 TwigStack提出HBase的半结构化时空数据存储模型,在此基础上开展了半结构化的时空范围查询和kNN查询。在真实数据集中进行实验,与需要硬件配置较高的MongoDB进行了对比,结果表明在普通配置的机器上,所提出的半结构化时空查询算法与MongoDB性能相近,在实际中具有优势。     

分布式并行地形分析中数据划分机制研究

数据粒度是海量空间数据并行计算的重要问题之一。通过对不同性质的并行算法的对比分析,提出空间数据粒度模型,量化地反映并行地形分析中数据划分的规模,建立并行数据粒度评价模型。通过研究集群环境下不同算法的数据并行数据粒度问题,提出基于并行数据粒度评价模型的优化数据粒度调度算法。通过计算每一次并行计算的时间与数据粒度效率,从而实现对计算数据粒度动态更新以追求更高的加速比。经过实验验证,该算法较之传统算法,可提供更高的任务执行效率并具有更好的可移植性。     

一种有效的XML-TO-SQL查询翻译优化算法

在研究XML数据处理问题上,XML查询与SQL查询的转换是一重要论题。在常规XML-TO-SQL查询转换算法基础上,分析了“翻译后优化”和“直接优化”两种不同的查询转换策略,提出了一种将Xpath路径表达式直接优化成SQL的算法。该算法将XML-TO-SQL查询转换分为两个主要阶段:预处理阶段和运行时翻译阶段。预处理阶段通过识别“双射映像”,计算“最小可辩识祖先”进行翻译前准备;运行时翻译则利用预处理阶段的结果进行路径约简。两个阶段的协作使得算法整体效率得以提高,达到翻译优化的目的。根据大数据量查询翻译对比实验的结果,该算法优于一些典型的传统翻译算法譬如Silk-Route、Xperanto等。     

基于R-树索引的Map-Reduce空间连接聚集操作

空间连接聚集是一种常用并且非常耗时的空间数据库操作,特别是在面对大规模空间数据集时,单机运行环境难以满足其对时空开销的需求,如何设计高效的面向云计算环境中的分布式空间连接聚集算法越来越受到人们关注。Map-Reduce作为云计算的核心模式受限于其扁平化的串行扫描操作模型,常被用来加速非索引的空间连接操作,现有工作尚无将Map-Reduce和R-树索引结合来处理空间连接聚集。因此,提出了基于R-树索引的Map-Reduce空间连接聚集算法(RSJA-MR)来更高效地返回连接聚集结果。提出一种分布式R-树索引结构以支持大规模空间数据的索引,RSJA-MR算法利用分布式R-树生成任务集,任务集的执行满足无依赖并行计算模式,很容易在Map-Reduce框架中进行表达。文中提出一种实时缓存策略以支持索引并发访问。实验结果表明:相比非索引的Map-Reduce连接聚集算法,在空间交叠连接聚集查询上,时间性能最少提升8%,在空间包含连接聚集查询上,时间性能最少提升近35%。     

基于参数化直方图的三路互相交连接选择性估计

估计空间算子的选择性是设计空间查询优化器的关键技术之一。选择性估计不仅能以非常小的代价给出空间算子结果集大小的近似估计,而且也可以直接用于某些仅需要近似结果的空间查询和空间分析(如数据集间的相关性评价等)处理。互相交连接是一类常见而且具有特殊性质的多路空间连接。基于对命题"两两相交的多个矩形一定有一个公共的相交区域,而且这个区域也是矩形"的证明,提出了一种可以用于三路互相交连接选择性估计的参数化直方图方法,还通过多组比较实验证明了该方法的有效性和适应性。     

基于丛生树的多流水线并行Hash连接的处理机分配算法

本文介绍了并行数据库中实现多流水线Ｈａｓｈ连接的处理机分配算法，该算法对于执行Ｈａｓｈ连接的丛生查询树可同时实现流水线内并行（ＩｎｔｒａｐｉｐｅｌｉｎｅＰａｒａｌｅｌ）和多流水线间的并行（ＩｎｔｒａｐｉｐｅｌｉｎｅＰａｒ－ａｌｅｌ     

并行面向对象数据库中的数据放置

针对并行面向对象数据库的特点,结合异步并行查询执行策略,提出了一种基于对象类的混合式数据放置策略,它包括两个部分:混合式数据划分策略和基于对象类的数据分配策略