关注能耗的嵌入式实时数据库服务质量管理

提出了一种关注能耗的嵌入式实时数据库服务质量管理策略.该策略使用反馈控制方法来支持预设的能耗目标值,通过更新算法与数据有效期的动态调整以及接纳控制来实现系统中数据实时性和用户事务实时性的有效维护.实验结果表明,相比于基线策略,所提出的策略能在满足能耗约束的前提下达到更高的数据和事务质量.     

一种实时数据库服务质量管理策略

针对动态负载下实时数据库系统难以同时维护事务实时性与数据实时性的问题,提出了一种数据质量与事务质量的管理策略.该策略给出一种综合了数据时域与值域特点的数据质量的定义,并据此提出了一种通过调整更新周期与数据动态相似度下限来调整数据质量的方法.该策略使用数据质量调整方法,反馈控制与接纳控制来保证服务质量.实验表明,该策略比...     

一种改进的基于时间戳的分布式事务并发控制策略

对基于时间戳的分布式事务并发控制策略进行了介绍,分析了存在的问题,并在其基础上提出了一种改进的并发控制策略,弥补了传统策略容易造成事务回滚,时间戳信息需要占用额外存储空间等不足之处,通过实验数据证明,改进后的策略能够有效减少事务的回滚,节省存储空间,而且实现较为简单,具有一定的应用价值。     

"两硬"条件大采高综采工作面生产系统的有效度

通过研究大采高综采生产系统各部件的有效度,建立生产系统有效度模型,计算出工作面生产系统有效度,客观评价大采高综采生产系统的运行状况.通过分析生产系统有效度与系统开机率的关系,计算出生产系统的开机率,评价大采高综采生产系统的生产潜能,为矿井实现高产高效提供了理论依据.     

基于概念事务模型的分布式并发控制方法

在提出描述事务系统的“概念事务模型”的概念和建造方法后,给出一种基于概念事务模型的分布式并发控制方法．这种方法仅对能够导致冲突的事务施以全局同步,既简化了分布式并发控制机制,又提高了系统的并行度     

一种并行实时数据库动态平衡算法

在探讨并行系统环境中影响实时事务执行时间3个因素：工作负载、数据的获取以及事务调度等的基础上。利用启发策略并采用新的数据迁徙及事务迁徙技术，提出了一种并行实时数据库动态平衡算法．在PRTS系统上实现了该算法，从加速比和实时事务执行成功率两个参数上论证了该算法的可行性和优越性．     

DMBIT：一种有效的序列模式挖掘算法

大量候选序列模式支持度的计算所带来的时间消耗是序列模式挖掘主要问题之一,为此提出了一种有效的序列模式挖掘算法:DMBIT(Data Mining Bitmap),该算法根据位索引表和Seq-list表的结构,采用渐进的事件扩展,事务扩展方法,通过有效的剪枝策略和"与"逻辑运算操作进一步缩小了频繁序列的搜索范围,同时通过序列列表ListX的生成加快了相应候选项支持度的计算,算法分析和实验结果表明,在大数据集环境下的DMBIT算法性能优越,能够明显加速数据库中最大频繁序列的生成.     

基于属性预扫描的不确定性函数依赖挖掘

函数依赖是关系数据库和数据建模中所需的关键约束知识。在海量数据中挖掘函数依赖时为降低噪音干扰和提高效率,该文采用带有满意度函数依赖的概念及挖掘带有满意度函数依赖的算法(MFDD),对噪音进行测度与表达,并有效挖掘得到函数依赖最小集。利用对属性散列度的测度概念,在带有满意度函数依赖的理论框架内采用3条优化策略,实现了属性预扫描算法。结果表明:基于该算法可显著提高挖掘效率。     

基于属性预扫描的不确定性函数依赖挖掘

函数依赖是关系数据库和数据建模中所需的关键约束知识。在海量数据中挖掘函数依赖时为降低噪音干扰和提高效率,该文采用带有满意度函数依赖的概念及挖掘带有满意度函数依赖的算法(MFDD),对噪音进行测度与表达,并有效挖掘得到函数依赖最小集。利用对属性散列度的测度概念,在带有满意度函数依赖的理论框架内采用3条优化策略,实现了属性预扫描算法。结果表明:基于该算法可显著提高挖掘效率。     

基于有向无环图的函数依赖一致性数据生成

针对函数依赖一致性数据生成问题,采用有向无环图作为函数依赖集合的描述模型,提出一种单函数依赖一致性数据生成算法 （TGSFD）;并通过属性排序解决多函数依赖一致性数据生成问题;为了利用流水线技术提高数据生成效率,提出最小独立属性子集概念,并给出了属性集划分算法. 实验表明本文提出的TGSFD和属性排序算法能够保证生成的数据满足函数依赖一致性,属性集划分和流水线技术可以有效提高数据生成效率.      

产出型可修生产系统的广义可靠性分析

矿井生产系统属产出型可修生产系统．为了描述其运行状况，除了考虑时间因素以外，还必须考虑产出和效率等因素．为此本文在充分地考虑产出型生产系统的特点基础上，提出了时间有效度，能力有效度和任务有效度的概念及其计算方法．对产出型可修生产系统的运营状况进行了分析。     

基于数据段优先级分区重装策略

提出一种基于数据段优先级分区重装策略PRS-DSP,其考虑数据特征及与之相关的事务特点,根据数据段优先级对数据库进行分区,并为每个分区设置相应重装频率,故障恢复时按照数据分区的重装频率来分区重装数据库,系统恢复服务后,根据新事务对数据的请求及数据分区重装频率来设置剩余分区的重装优先级。模拟实验结果表明,该分区重装策略降低了系统事务超截止期比率,其重装性能明显优于完全重装策略。     

一种实时事务预分析处理的三段法

给出了一种“三段式”预分析预处理系统框架,提出了一种基于实时事务语义,行为,结构及相关性知识的预分析预处理的“相关图”策略与方法,引入了“影子事务”的概念和机制来支持与实现实时事务的正确执行,系统的内外存数据交换等,从而保证实时事务的定时性要求。     

确定性分布式数据库中长事务处理方法研究

确定性分布式数据库Calvin在执行长事务时,面对长事务中交替出现的读写请求,容易发生读写冲突,并且长事务会导致缓冲区置换频率升高,这些会影响系统的吞吐量。提出一种基于数据访问规则的事务处理方法与一种事务访问文件。基于数据访问规则的事务处理方法通过对事务间的读写集合进行分析,利用数据记录更新映射表来生成事务的数据访问规则。事务访问文件对历史事务更新数据进行整理,有效降低缓冲区置换频率。实验证明,改进方法可以有效降低长事务对确定性分布式数据库Calvin吞吐量的影响。     

基于SQL Server的数据库备份恢复策略

数据库是一个可以存储数据的安全的地方,数据库管理器提供有效的备份和恢复能力,来确保在灾难和错误后,数据能够尽快的可以被应用所访问。数据库备份是维护数据正确,防止数据丢失的重要手段。备份点恢复策略可以让数据还原到备份点,通过触发备份的方法,可以提高备份的有效性;采用即时点备份策略,可将数据恢复到任意点,提高数据的安全性;通过性能警报监视事务日志使用情况,及时优化日志文件,可以提高系统性能。     

一种实时事务预分析处理的三段法

给出了一种“三段式”预分析预处理系统框架,提出了一种基于实时事务语义、行为、结构及相关性知识的预分析预处理的“相关图”策略与方法,引入了“影子事务”的概念和机制来支持与实现实时事务的正确执行、系统的内外存数据交换等,从而保证实时事务的定时性要求．     

基于支持度的多传感器信息融合算法

目前多传感器融合算法大都需要先验知识,而现实环境中常常无法满足。为有效解决这一问题,在信息融合中利用指数衰减函数引入了支持度的概念,进而设计了两种不依赖任何先验知识的基于支持度的多传感器信息融合算法。最后,应用该算法对3部雷达的观测数据进行处理,实验结果表明,该算法有较好的融合效果,并具有计算简单的特点。     

重构小波阈值的微机电系统-惯性测量单元降噪处理

针对随机误差对微机电系统-惯性测量单元(micro electro mechanical systems-inertial measurement unit,MEMS-IMU)输出数据精度的影响,利用离散小波变换可降噪的特点,对MEMS-IMU数据进行降噪处理.在小波降噪过程中,阈值的估计以及阈值函数的选取直接关系到降噪的质量,构建一个新的阈值函数,通过调节阈值函数中的比例因子,解决传统多重小波分解重构在降噪方面的不足.实测数据的处理结果表明:在小波降噪过程中,新的阈值函数能够有效抑制MEMS-IMU中随机误差的影响,与传统小波降噪相比,新的阈值函数降噪后,信号具有更佳的平滑度,能够有效提高捷联惯性导航系统的定位定姿精度.     

事务约简和2项集支持度矩阵快速剪枝的Apriori改进算法

在Apriori算法的改进算法M-Apriori基础上,为了进一步减少不必要的数据库扫描,引入事务约简技术,提出一种改进的MR-Apriori算法.考虑到M-Apriori算法会产生大量候选项集,为了实现对候选项集快速剪枝,加入一个自定义的2项集支持度矩阵,提出第2种改进的MP-Apriori算法.将事务约简和2项集矩阵快速剪枝一起引入到 M-Apriori算法中,提出第3种改进的MRP-Apriori算法.最后,在mushroom数据集上进行实验.结果表明:加入事务约简的MR-Apriori算法和加入2项集矩阵快速剪枝的MP-Apriori算法,运行时间相比原M-Apriori算法都有较大缩减,而同时结合两种优化策略的MRP-Apriori算法运行时间最短,验证了这两种优化策略的有效性.     

一种基于数据质量的多处理器平台实时更新事务调度算法

提出一种多处理器平台上基于数据质量的实时更新事务全局调度算法(MU-DA)。数据质量根据时态对象的无效程度来定义。算法通过合理地预分配各事务执行所需处理器资源以及动态控制更新实例的接纳和执行使系统数据质量最大化。研究结果表明:MU-DA算法在各种事务集负载下均能保证较高的数据质量;在高负载设置下,MU-DA算法的系统数据质量与用户事务质量均远比基准算法MU-D与MU-SA的高,能够很好地满足用户事务在数据实时性方面的要求。