基于关系代数的数据立方体格的优化实现方法

多维数据立方体是数据仓库和OLAP服务器的主要数据组织模型，多维数据立方体格的实现占用大量的时间和空间资源。本文提出了一种基于关系代数的多维数据立方体格的实现算法，针对ROLAP和MOLAP的不同实现形式提供了一种综合的优化算法。     

基于数据立方体的维内关联规则挖掘算法

针对数据立方体的结构特点，结合联机分析处理技术，提出了两种基于数据立方体的维内关联规则挖掘算法，以合肥农河超市实际数据作为测试数据，给出了两种算法的实验结果，结果表明，两种算法在不同支持度情况下执行效率存在明显差异，分别适合在高支持度和低支持度情况下进行关联规则挖掘。     

立方体外壳片段算法在财务数据仓库中的应用

高校管理数据涉及的主题众多,其中财务数据仓库是典型的高维应用情形.财务数据对精度要求极高,不允许数据的丢失,这些特点都将影响财务数据仓库中数据立方体预计算算法的选择.分析了各种立方体预计算算法的特点和适用范围,同时研究了财务数据仓库的特殊性质和需求,以高校科研财务数据仓库为基础,提出了科研财务数据仓库事实星座模型.根据对数据立方体预计算算法的分析,分别使用立方体外壳和立方体外壳片段算法进行物化操作,提出立方体外壳片段算法是一种比较适合财务数据仓库的数据立方体预计算算法,并通过性能分析实验证明了该算法能在预计算时间、存储空间和联机分析处理效率等各方面取得较好的平衡.     

立方体外壳片段算法在财务数据仓库中的应用

高校管理数据涉及的主题众多,其中财务数据仓库是典型的高维应用情形.财务数据对精度要求极高,不允许数据的丢失,这些特点都将影响财务数据仓库中数据立方体预计算算法的选择.分析了各种立方体预计算算法的特点和适用范围,同时研究了财务数据仓库的特殊性质和需求,以高校科研财务数据仓库为基础,提出了科研财务数据仓库事实星座模型.根据对数据立方体预计算算法的分析,分别使用立方体外壳和立方体外壳片段算法进行物化操作,提出立方体外壳片段算法是一种比较适合财务数据仓库的数据立方体预计算算法,并通过性能分析实验证明了该算法能在预计算时间、存储空间和联机分析处理效率等各方面取得较好的平衡.     

最小方方法的一种优化方法

数据立方体在许多多维数据的数据仓库的高速OLAP操作中扮演着重要的角色. 但在许多高维的数据仓库的应用中，查询分析效率是个关键的问题.例如超过100维，大约106个元组.在这样高维情况下建立全物化数据立方体来减少分析时间是不可行的.利用最小方的方法可以在高维数据集上进行有效OLAP操作的方法.如果能根据查询分析的历史记录合理地为立方体的维分片,就能在相同空间复杂度的情况下提高OLAP操作的效率.     

构建高维度数据立方体的有向图方法

Hadoop、spark等软件框架为大数据的并行快速处理提供了技术支持,同时大数据环境也对OLAP提出了准实时和实时响应的要求。数据立方体是OLAP的多维数据模型抽象,大数据的多变性分析使数据立方体呈现高维特点,大数据的数据量也造成了数据立方体的膨胀。利用有向图描述数据立方体,可以为数据分析提供数据片和数据块的全集,通过提取全集中的某个元素,提高数据分析的效率。对高维度的数据立方体,采用降低维度的办法进行立方体规模的控制。根据各个维度的使用频度和方式,提出了可无维度、必须维度和联合维度的概念,并分别给出了各种维度的判断方法,实现了所涉及的数据立方体的调整简化方法。     

基于多维立方体的聚类算子模型及其应用

从多维立方体数据模型出发,提出了跨多个多维立方体的数据挖掘聚类算子模型,并将基于多维立方体事实物理维度的分类聚类算法,应用于移动通信客户消费行为分析中,提供了消费行为分析的实例和方法.     

局部扭曲立方体单播容错路由算法

局部扭曲立方体是一种新型的网络拓扑结构．基于此网络拓扑结构，利用安全级概念以及此种网络拓扑结构自身特有的性质设计了一种单播容错路由算法．通过模拟仿真实验对该算法进行了性能评价与分析．当故障节点的数目达到或超过一半时，仍能保持在一个相当高的容错路由成功率上．另外，该算法所选线路在多数情况下是最短距离．     

基于覆盖码预排序的数据立方体部分和top-k查询算法

在决策支持系统中,排序查询是研究的热点问题。提出了一种在OLAP(数据仓库)数据立方体中对部分和查询结果进行排序的高效算法,该算法综合利用覆盖码和预排序,有效地解决了对部分和结果的top-k查询问题。实验结果表明无论数据在随机分布还是存在主导集情况下,该算法都能很好地改进查询的时间代价。     

多传感器多目标数据互联中的拉格朗日松弛算法研究

拉格朗日松弛算法在现代优化启发式算法中占有重要地位，本文对多维分配问题的拉格朗日松弛算法进行研究，重点研究松弛次序对数据互联结果的影响。研究方法是针对不同测量误差情况下进行计算机仿真实验。结果表明，多传感器多目标数据互联的拉格朗日松弛算法中，松弛探测效果较好的传感器的观测数据，有助于提高目标关联的准确率，且算法的计算量相应减少。该结论使多维分配问题的拉格朗日松弛算法能满足工程上对数据进行实时处理，具有实际应用价值。     

房地产业中OLAP和数据挖掘技术的应用

介绍了如何将OLAP和数据挖掘技术运用到房地产业中，在数据过滤转化、数据矩阵的构建及运用OLAP、数据挖掘技术分析方面作了初步探讨．     

分析处理XML文档学形态学方法

在线联机分析处理(OLAP)是一个分析商业信息趋势的重要工具。虽然OLAP用多维立方体模型来分析结构化的商业数据是理想的,但是它并不适合用来表现和分析复杂的半结构化数据,如:XML文档。因为在广泛的应用领域,XML都是表现数据的语言选择,所以分析XML文档是必需的和紧迫的。描述了一个用XML树模型来分析XML文档的想法。鉴于OLAP的多维聚合操作不能够表示XML文档上的、结构复杂的分析操作,提出了新的、扩展了的XQUERY来支持这种复杂的分析操作。     

基于B^＋树的复杂生态信息存储结构模型

针对复杂生态信息的存储与管理问题,提出一种基于B 树的多维层次聚集立方体存储结构模型。通过将d维数据空间构建成多维层次式B 树,并节点进行压缩的二进制维层次编码,在此基础上实现了模型的快速查询、数据更新与模式更新算法。与传统的Data Cube相比,MH-Cube具有较好的查询与更新功能。生态数值实验表明,模型可为复杂生态信息的存储与管理提供较好的解决方案。     

中间存储的联机分析关联规则挖掘方法

针对“挖掘不同支持度下的关联规则需要反复扫描多维数据库所带来大量的系统I／O开销”这一缺限,提出一种基于中间存储的联机分析关联规则挖掘OLAM方法．在自行开发的联机分析处理OLAP的基础上,对待分析的多维数据集利用BCTree存储谓词集频度索引数,利用改进的Apriori关联规则挖掘算法分析用户感兴趣的维度,减少挖掘维度的个数,提高了反复挖掘的系统效率和系统针对性．生产数据证明了该方案的正确性和有效性．     

多源分布式城市空间信息共享与集成架构研究

由于城市空间信息具有多源性与分布性特点,迫切需要构建既能满足城市空间信息的共享需求,又能实时更新数据的基础支撑架构。结合电子政务平台的建设,论述了采用ESB及SOA技术,将部门之间的数据交换共享提升为服务协同共享,提出了服务共享与集成架构模型,并对空间信息服务协同标准、业务地址要素空间化关系、单元粒度的多维空间分析数据的立方体模型等进行了研究与实践探索。     

面向E~n多胞体表示的点树结构

针对多维空间形体的几何与拓扑结构特点,本文提出了一种适用于E~n空间多胞体表示的数据结构——点树结构。与传统的“三表结构”相比,“点树结构”降低了E~n空间多胞体表示的时空复杂性,提高了计算机处理的效率。     

基于SQL的DMQL在商业数据仓库查询中的应用

介绍数据挖掘语言中的DMQL,从建立多维数据仓库模型入手,介绍了如何用基于SQL的DMQL定义此多维数据仓库模型.详细介绍基于SQL的DMQL在商业数据仓库查询中的具体应用,最后文章提到其它的数据挖掘语言:预言模型标记语言和OLEDBforDM语言.     

基于MC算法的螺旋CT扫描数据的三维重建

在Marching Cubes(MC)算法的基础上，针对螺旋CT扫描数据的特点，提出一种改进的三维表面的快速绘制方法。通过使用体元描述表，并且对体元数据进行二值化处理，简化了数据，在绘制过程中，根据形体拓扑结构，优化了体元内部的等值面形成算法，提高了三维重建的速度和质量。     

多维动态模糊数据的分解模型研究

对多维数据的研究最大困难在于其数据量十分庞大,数据规模的单纯扩大,往往导致系统的复杂性成倍增加,而且在研究中发现,存在着大量具有“多维性”、“动态性”和“模糊性”的数据.对此,该文基于动态模糊理论,提出了多维动态模糊数据的分解模型,该模型的建立,为人们用计算机处理这类问题提供了理论依据.