基于层次序列OLAP-Cache在大规模监测数据查询优化中的应用

利用OLAP进行大规模监测数据查询时存在效率低和实时性差的问题,传统解决方法主要利用缩小数据集市数据的方法,虽然在一定程度上提高了查询效率,但是会出现丢失数据的现象。提出在基于聚类方法基础之上进行层次序列OLAP查询优化,并针对大规模海洋监测数据的特点提出OLAPCache多级查询方法。在该算法中,首先分析OLAP序列立方体的查询效率问题;其次以等价类的层次关系为基础,确定等价的上下界和聚类值;然后利用改进的各级查询层次的运算策略来判断OLAP查询的语义特性,提高其Cache性能;最后结合OLAP查询集的闭包中存在最小蕴含关系的特点,对OLAP查询的蕴含关系进行分组查找。通过大规模监测的海洋数据对该算法进行仿真验证,仿真表明,该算法有效地避免了对大规模海量数据的递归查询,具有较好的执行效率。     

基于时空序列模式匹配的兴趣点推荐方法

兴趣点(point of interest,POI)是地理空间信息的重要组成部分,在基于位置的信息服务中被广泛使用。针对用户对兴趣点访问所产生的时空序列,利用闭合序列模式挖掘方法分析频繁模式,在此基础上根据用户当前所处位置或最近访问序列,通过序列分析进行时空序列模式匹配,并按照序列的匹配程度给出兴趣点推荐列表。实验结果表明,闭合序列模式挖掘与时空序列模式匹配相结合的方法能够有效地应用在兴趣点推荐中,有利于引导用户的兴趣点访问行为,从而提升位置服务的质量。     

树形频繁模式的挖掘及可视化技术研究

频繁项集的挖掘不仅仅是关联规则挖掘的基础,而且在序列模式、聚类、多维模式等数据挖掘任务中扮演重要角色.本文在给出一个基于数据垂直分布的频繁项集挖掘算法HBMFP的基础上,论述了利用MFC中的树视图控件(CTreeCtrl)将频繁项集树形可视化,并讨论了基于该频繁模式树的3种约束频繁项集查询的方法.     

基于移动交易序列模式的用户行为模式增益挖掘研究

在移动运算环境中挖掘用户行为模式是目前数据挖掘应用领域新兴的研究热点课题,通过整合商业事务动态路径发现移动商业序列模式,即基于移动用户行为的移动交易序列信息挖掘模式。基于深度优先搜索与宽度优先策略,对单位增益(利润)与类别商品交易量进行关联挖掘,首先是基于增益模式集成挖掘高增益移动行为序列,其次是依赖频次模式挖掘解决不同类型商务模式的顾客行为序列模式,然后是在移动交易环境下验证评价算法的执行效率。提出基于移动商务行为特征数据信息构造树算法,挖掘移动商务行为数据的品类特征信息,在同类算法结果比较中较高水准地表达发掘移动序列行为模式。实验评价实施中分析用户序列商业行为与绩效比较,通过两个典型算法比较,结果表明构造树算法能在综合移动电子商业环境下发现移动商业交易框架下的用户事务行为路径及用户倾向性的交易行为,便于规划及管理现有的移动电子商务平台。     

基于二部图半监督方法的查询日志实体挖掘

基于用户查询日志的命名实体挖掘的目标是从用户查询日志中挖掘一组具有指定类别的命名实体。为解决已有用户查询日志实体挖掘研究工作中的种子实体不充分的问题,提出了一种基于二部图的半监督排序方法,利用实体之间的关系(实体共享查询模板)来改善实体排序效果。该方法首先基于候选实体和查询模板构建一个二部图,然后基于二部图将种子实体的类别相关性传播到其他候选实体,最后按照类别相关性得分对候选实体进行排序,并进一步给出方法中迭代过程的等价优化框架。实验结果表明本文提出的方法优于基准方法,具有较好的挖掘效果。     

XML文档频繁序列的挖掘

XML文档本身和用户频繁查询的数据日益增大,如何根据用户的需求对这些海量数据进行查询处理是当今研究的热点之一。本文基于蚁群算法的思想,分两步挖掘XML文档的频繁序列及用户查询的相关性,从而提高了查询处理的效率。     

基于时空序列模式匹配的兴趣点推荐方法

兴趣点(point of interest,POI)是地理空间信息的重要组成部分,在基于位置的信息服务中被广泛使用.针对用户对兴趣点访问所产生的时空序列,利用闭合序列模式挖掘方法分析频繁模式,在此基础上根据用户当前所处位置或最近访问序列,通过序列分析进行时空序列模式匹配,并按照序列的匹配程度给出兴趣点推荐列表.实验结果...     

浅析数据挖掘技术

在数据仓库解决方案的基础之上开发数据挖掘系统,可以使数据仓库进一步适应企业高层决策的需求.基于数据仓库的挖掘系统不仅具有极高的灵活性,而且能够协助用户发现期望获取的知识和部分未知的有用信息.本文将介绍基于OLAP数据挖掘的概念,以及讨论OLAP关联挖掘的实现.     

基于DM和OLAP的地理信息决策支持系统研究

研究在应用程序中融合使用数据挖掘(DM)和联机分析处理技术(OLAP)的方法,在此基础上提出了一种基于DM和OLAP的决策支持系统(DSS)的结构,研究了基于SQL Server数据挖掘的三种解决方案,将DM算法和OLAP集成到DSS中,并应用于地理信息系统(GIS)的数据处理和模式识别,以实现船舶跟踪和航线优化．     

一种基于规则表达式约束的序列模式增量式挖掘算法

序列模式挖掘是数据挖掘中的研究热点之一。在挖掘过程中需要用户的参与日益显得重要。为了提高挖掘过程中的交互性，本文提出了一个基于规则表达式约束的序列模式增量式挖掘算法RE_IncUp。该算法首先利用约束对已经挖掘出的频繁序列模式进行预处理，缩小了搜索范围；然后采用模式扩展方法把规则表达式约束和增量挖掘过程融为一体，并且采用先修剪后计算支持度的方法进一步缩小了搜索范围，降低了支持度的计算量。该算法允许用户不断改变约束条件，实现交互式挖掘而且可将挖掘的目标仅仅聚焦到用户感兴趣的模式上。实验表明该算法对序列模式的维护和满足用户的需求都是十分有效的。     

数据仓库中一种基于维层次编码的位图索引方法

为了减少OLAP中的多表连接,压缩维属性连接关键字,对查询数据进行有效地分组聚集操作,来提高OLAP查询速度.利用维属性具有层次特性对维成员进行编码,生成其维层次编码,来代替维表中原关键字,实现了维表关键字的压缩.通过编码长度较小的维层次编码及其层次前缀路径,对维层次编码进行前缀匹配操作,快速检索出与查询关键字相匹配的维层次编码,求得维层次属性的查询范围,从而大大减少和简化了事实表与维表之间的多表连接,减少了I/O开销,提高了OLAP查询效率.     

基于扩展的嵌套关系代数的关联规则挖掘查询

提出了一种使数据挖掘与数据库系统无缝集成的方案.该方案基于关联规则挖掘和关系数据库系统的通用查询算法,采用一种扩充的嵌套关系代数作为关联规则和其它数据查询的一种内部表达方式.通过一个典型实例展示了这种代数表达式.代数表达式也被表达为一种查询树,查询树中代数运算的公共操作序列模块化后,具有更多的灵活性,能方便地处理约束关联规则查询和其它各种关联规则描述.     

一种新型的多OROLAP模型及其优化算法

OLAP模型是实现高效的联机分析处理、数据挖掘和高级商务智能应用的基础，ROLAP模型、MOLAP模型和OOLAP模型是当前数据仓库和商务智能领域的研究热点.提出了一种新型的基于组播服务的多对象-关系型OLAP模型，简称多OROLAP模型.具有扩展性好、计算速度快、可分布性等特点.研究了多OROLAP模型、数据仓库增量式快速刷新算法、内外存对象存储优化算法、内外存对象透明交换算法、内外存对象自适应选择算法.同时还研究了典型的用户查询和分析模式对多OROLAP模型及其算法、分布式数据仓库中组成员的管理和维护的影响.     

SQL Server 2000 Analysis Services在税务信息系统中的应用

简要介绍了SQLServer 2 0 0 0AnalysisServices中的联机分析处理功能和数据挖掘功能 ,并在税务信息系统中加以应用 ,解决了目前税务系统中存在的对大批量数据查询响应速度过慢的问题 ;同时通过对历史数据进行数据挖掘 ,得到了一些合理的知识 ,提高了对历史数据的管理水平 ,为领导决策提供了有力支持     

基于PrefixSpan的快速交互序列模式挖掘算法

为了克服序列模式挖掘过程中重复运行挖掘算法而产生的时空消耗,提出了一个快速、简单而有效序列模式的交互式算法FISPM,利用前次挖掘得到的序列构造序列模式数据库用来存储挖掘出来的所有序列, 通过缩减本次挖掘所要构造投影数据库的频繁项的数量来减少构造投影数据库所需的时间以及投影数据库的大小,从而减少时间和空间消耗,提高挖掘效率.通过设置全局最小支持度来减少算法迭代次数. 实验结果证明在交互挖掘过程中FISPM效率优于PrefixSpan.     

基于图的数据挖掘算法研究

对图数据频繁模式的挖掘是近年的研究热点,而从图数据库中挖掘频繁模式的关键是子图测试和候选子图生成操作。与传统广泛研究的频繁项集、频繁序列、频繁子树挖掘相比较,频繁子图的挖掘更复杂、更有难度,因为图同构问题是一个NP-完全问题。因此,必须有个好的规范化编码和有效的算法来避免子图同构这个难题。     

A Fast Interactive Sequential Pattern Mining Algorithm

In order to reduce the computational and spatial complexity in rerunning algorithm of sequential patterns query, this paper proposes sequential patterns based and projection database based algorithm for fast interactive sequential patterns mining algorithm （FISP）, in which the number of frequent items of the projection databases constructed by the correct mining which based on the previously mined sequences has been reduced. Furthermore, the algorithm＇s iterative running times are reduced greatly by using global-threshold. The results of experiments testify that FISP outperforms PrefixSpan in interactive mining     

基于维层次性的Data Cube存储优化方法

根据Data Cube模式中维的层次性,提出了层次式B^＋树及维层次编码的概念,并应用于层次树形Cube（HT Cube）方法中．HT Cube将维划分为聚集维与分析维,在分析维上利用层次式B^＋树除去了冗余数据,并在查询过程中形成维层次编码,在聚集维上则利用维层次编码组合而成的分析维编码进行索引,从而可以高效地检索到聚集值．理论分析和实验证明,该方法不但节省了存储空间,而且可利用层次信息高效地进行各种OLAP查询,为Data Cube模式更新、OLAP查询导航和OLAP查询行为分析的实现提供了可能．     

基于Agent的分布式数据库设计及其在飞行计划系统中的应用

介绍了航班飞行计划的算法，分析了所涉及的源数据，提出了一个基于Agent的分布式数据库解决方案，提高了终端用户的平均响应时间．基于分布式数据库的飞行计划系统已被成功应用于实际，显示了很好的应用前景。