在正交查询范围内解决G-Skyline查询中的why-not问题

旨在基于正交查询范围来回答G-Skyline查询中的why-not问题.讨论了G-Skyline查询中产生why-not问题的原因,概述了如何修改why-not点和正交查询范围,使基于正交范围的G-Skyline查询的候选点集中包含why-not点.当why-not点在正交范围内时,展示了如何修改why-not点并缩小正交范围;同时,还给出了当why-not点不在正交范围内时,如何展开正交范围.充分利用了G-Skyline的特性,通过提前进行剪枝,极大地缩短了计算时间.同时,通过比较所有组合的执行代价,确保以最小的代价解决G-Skyline查询中的why-not问题.实验结果表明：提出的算法切实有效,剪枝操作能够过滤大量无关数据,从而显著减少计算量并缩短计算时间.     

一种基于动态排序的最大频繁项集挖掘算法

集合枚举树是最大频繁项集挖据算法中常采用的数据结构。在此算法中,最大频繁项集的挖掘过程也可以看作对集合枚举树的搜索过程。为缩小对集合枚举树的搜索空间,本文提出了一种新颖而高效的剪枝方法:根据已挖掘得到的最大频繁模式动态排列枚举树节点的顺序,最大限度的施行剪枝,从而缩小搜索空间。该算法采用位图的数据格式与深度优先的搜索策略。实验结果表明,该算法能有效提高最大频繁项集的挖掘效率,在采用相同的测试数据情况下,效率优于FPMax。     

交通道路网中时间感知的空间关键词查询

为了提高时间感知的空间关键词查询处理效率,提出了一种新的索引结构——TK来索引路网基本信息以及对象的位置、文本和时间信息.此外,还提出了同时使用位置、文本和时间信息的搜索空间削减策略,以进一步提高查询处理的效率.最后,通过与现有的TG索引结构的对比实验验证了所提方法的高效性.