一种基数可调整的轮廓查询——模糊轮廓

针对轮廓查询的结果随着数据维度的增加而显著增加的问题,在模糊集理论的基础上,提出了模糊轮廓集的概念,量化了不同数据点对轮廓查询的贡献度.以此为基础,通过在模糊轮廓集中取不同的截集达到了准确控制查询结果数量的目的.同时,提出了有效的FSCA算法来求解任意的模糊轮廓,为用户提供δ个数据点,方便了用户的决策.实验分析的结果表明,模糊轮廓查询是一种有意义的基数可调整的新型轮廓查询,FSCA算法是有效的模糊轮廓求解算法,它们共同为用户决策提供了很好的辅助手段.     

基于窗口查询的轮廓查询算法

轮廓查询在涉及多标准决策的空间数据库应用中起着非常重要的作用,轮廓的计算在数据库通信方面受到很大关注,特别是无需访问所有的数据文件就能很快的返回轮廓中的点的算法.本文提出一种基于窗口查询的轮廓查询算法,通过不断变换查询窗口来缩减查询空间,所访问的空间数据点数目大大减少,查询结果有很好的健全性和完整性.     

多样k-支配轮廓查找方法

现有的k-支配轮廓查询算法难以保证查询结果的多样性,限制了结果的选取空间。如何求出一个点的全部k-支配属性,是k-支配轮廓查询领域的一个新问题。针对这一问题,提出了多样k-支配轮廓点的概念,分析了多样k-支配轮廓的性质,给出了两种不同的查找算法,并证明了算法的有效性和正确性。     

MapReduce模型下基于R树索引的Skyline查询算法

提出一种MapReduce并行计算模型下基于R树索引的Skyline查询算法, 解决了海量空间数据集下执行Skyline查询效率低的问题. 通过建立R树索引实现空间数据不同粒度的范围剪枝, 有效降低了分布式Skyline查询需扫描的数据规模, 提高了在MapReduce模型下Skyline查询的执行效率. 在不同数据分布下进行对比实验的结果表明, 该方法比已有算法在执行效率上更具优势.     

基于状态空间搜索的不确定轮廓查询算法

针对阈值轮廓查询忽略了轮廓的整体性,只考虑单个对象成为轮廓中对象的现象,深入地研究了不确定数据库中的轮廓查询处理技术.首先,提出了将对象集合作为整体考虑其轮廓概率的不确定轮廓查询的定义;其次,通过对其性质的分析,提出了基于状态空间搜索的基本的不确定轮廓算法(BUS);接着,通过进一步分析,在BUS算法的基础上,增加了有效的过滤策略,提出了改进的不确定轮廓算法(IUS).实验结果表明,加入了改进策略的IUS算法明显优于BUS算法,验证了改进策略的有效性.     

缓存模式下的轮廓查询优化方法

研究在缓存模式下,利用一组预存储的临时轮廓快照集来高效等价重构用户新提交的轮廓查询Q,并提出一种新颖的缓存模式下轮廓查询处理算法(APSQCM)来完成该任务.APSQCM算法由两阶段组成,第一阶段捕获Q与缓存中临时轮廓快照间的内在关联,进而获取能够用来等价重构Q的所有轮廓基;而在第二阶段中,APSQCM算法使用轮廓基来快速产生Q的正确结果集.实验结果表明,APSQCM算法具有有效性和实用性.     

移动环境中的位置依赖连续轮廓查询

针对移动环境中查询点快速移动时连续、高效输出给定搜索区域数据轮廓的问题,提出一种位置依赖连续轮廓查询算法(LDCS).该算法结合数据流技术,首先使用R树快速更新查询数据,然后利用两次连续计算时搜索区域的重叠性构造被动数据流,并对新增和失效数据分别进行处理,从而连续输出轮廓.由于充分利用了已有结果,LDCS的计算量较传统算法有大幅下降.实验结果表明,LDCS特别适合计算频度要求较高的场合,与基于网格索引的算法相比,时间效率随着数据集规模的增大显著提升.     

基于轮廓跟踪的虹膜定位算法

提出一种基于轮廓跟踪算法的虹膜定位算法. 该算法先通过像素点扫描查找二值虹膜图像中轮廓的起始点, 然后由起始点进行轮廓查找、 轮廓编码、 轮廓筛选确定虹膜内轮廓, 再通过虹膜外轮廓和巩膜间的灰度突变点到内轮廓圆心距离的平均值确定外轮廓半径, 实现虹膜内、 外轮廓的定位. 实验结果表明, 该算法具有较快的定位速度、 较高的准确率, 性能稳定.     

一种针对3维人体冗余扫描模型的压缩方法

该文提出针对3维人体冗余扫描模型的压缩算法,首先应用2维轮廓关键点提取算法,采用区域覆盖和平滑处理方法分组提取在横截面上的轮廓关键点,再应用3维人体三角面片重构算法对压缩的顶点集重构3维人体模型.实验结果表明:该算法的压缩率约为10％,对处理冗余扫描和叠加扫描导致的冗余效果显著.     

更新环境下多样K-支配轮廓查找方法

现有的多样-支配轮廓查询算法仅仅关注属性值不变的静态数据集,如何求出属性值更新时的多样-支配轮廓是多样K-支配轮廓查询领域一个新的研究问题。数据集的属性值变化包括单一数据和若干个数据的属性值变化的两种情况。对于这两种情形,利用现有的多样K-支配轮廓,本文提出了两种不同的查找算法。证明了算法的正确性和有效性,并且通过实验对算法进行了分析和验证。     

数据流上的轮廓查询算法

采用滑动窗口技术对数据流进行近似,提出了两种数据流上的轮廓查询方法:CCS算法和PCS算法.CCS算法能够实时反映数据的变化,内存空间的利用率也较高.PCS算法则适合周期性更新的应用环境,有利于节约CPU资源.实验结果证明所采用的算法是有效的.     

无线传感器网络中基于划分的二维轮廓监控算法

针对传统数据库领域的轮廓查询算法无法直接移植到无线传感器网络领域问题,提出了一种基于划分的二维轮廓监控算法(P2S).P2S算法利用轮廓查询的特点将二维平面进行划分,为每个传感器节点分配一个矩形区域作为过滤器来减少网络中的数据传输,达到降低节点的能量消耗的目的.实验结果表明,P2S算法可以过滤传感器节点的大量不必要的数据,有效地减少了节点向基站发送的消息数量,使得节点有限的电能得到更加合理的利用,从而极大地延长了无线传感器网络的使用寿命.     

一种分布式环境下的skyline查询算法

skyline计算在多标准决策、数据挖掘和数据库可视化等领域具有非常重要的作用.研究了分布式环境下的skyline查询问题.提出通过合并局部skyline集合得到全局skyline集合的思想,在计算全局skyline集合时,先对局部skyline集合进行区域划分和动态编码,然后根据各个区域之间的制约关系进行数据合并.通过实验分析可知,当全局skyline集合的规模较大时,经过区域划分的算法比起直接合并的算法执行效率更好.     

基于聚类的逆向Skyline查询算法

逆向Skyline查询能够应用到诸如决策支持、用户偏好支持以及市场行为分析等方面。由于参考对象q的存在,在执行逆向Skyline查询的过程中数据空间被划分成许多分区。然而,存在的算法都没有考虑这个问题的影响,直接使用原始数据集建立索引结构。本文提出了一种新的逆向Skyline查询方法CRSQ,它考虑了这个问题。CRSQ首先根据查询对象q对数据进行聚类,然后建立R-tree索引,最后利用高效修剪策略修剪索引搜索空间。实验结果表明CRSQ算法是有效的,它相对于没有聚类技术的算法获得了50%以上的性能提高。     

Sampling-Based Approximate Skyline Query in Sensor Equipped IoT Networks

The ever increasing requirements of data sensing applications result in the usage of Io T networks. These networks are often used for efficient data transfer. Wireless sensors are incorporated in the Io T networks to reduce the deployment and maintenance costs. Designing an energy efficient data aggregation method for sensor equipped Io T to process skyline query, is one of the most critical problems. In this paper, we propose two approximation algorithms to process the skyline query in wireless sensor networks. These two algorithms are uniform samplingbased approximate skyline query and Bernoulli sampling-based approximate skyline query. Solid theoretical proofs are provided to confirm that the proposed algorithms can yield the required query results. Experiments conducted on actual datasets show that the two proposed algorithms have high performance in terms of energy consumption compared to the simple distributed algorithm.