数据立方体计算方法研究综述

随着多维数据分析在各领域的广泛应用,基于数据立方体的计算方法受到大量研究者的关注。分析了影响数据立方体计算的各种因素,其中包括数据存储空间、查询处理效率和数据立方体的维护消耗,并且阐述了数据立方体的物化策略。分别从冰山立方体、紧凑数据立方体、高维数据立方体、近似计算、流式数据立方体等几个方面综述了国内外现有的计算方法,分析了各种方法的特点以及适用范围。

构造给定k错线性复杂度谱的2n周期序列

k错线性复杂度是度量序列密码安全性的重要指标之一。基于方体理论和Games-Chan算法的逆向推导提出构造方法,构造了具有给定k错线性复杂度谱的2n周期序列。首先使用标准方体分解算法对k错线性复杂度具有第一下降点k=2、第二下降点k′=6、第三下降点k″=10的2n周期序列进行分类,再讨论每一类序列下降点线性复杂度参数之间的关系,最后给出每种参数关系下序列的计数公式以及构造过程。事实上,所使用的方法可以用于构造具有更多下降点的2n周期序列。

数据仓库中一种有效的高维联机分析处理方法

在大量数据仓库系统中,对于一个d维的data cube,数据立方体(cube)可以生成2d个聚集cuboids,然而随着数据仓库维数的增长,计算这些预聚集数据已经成为一个瓶颈.在minimal cubing方法的基础上,提出一种具体层次语义特性的多维层次数据立方体——前缀索引立方体(prefix-index cubing)技术,将高维cube划分成若干个低维立方体cube,以实现高维cube的分布式存储和并行计算.理论分析与实验结果表明,相对于以往的minimal cubing等方法,前缀索引立方体方法的性能显著提高.

精细尺度下的不稳定进近影响因素分析

不稳定进近是在飞机下降阶段威胁飞行安全的重要风险之一,受气象、地形要素等空间异质性较强的因素的影响。利用中国民航业快速存取记录器(quick access recorder,QAR)大数据提取空中客车系列飞机和波音系列飞机在2018年1月发生的不稳定进近事件,利用不同探索性数据分析方法对机场发生不稳定进近事件触发频率的时空分布特征进行初步分析并探索其潜在诱因要素。此外,利用皮尔逊相关系数从全局尺度进行相关性探索,利用地理加权汇总统计,从精细尺度探索不稳定进近事件的发生与潜在诱因要素之间的相关关系。实验结果表明,不同机型发生不稳定进近事件的时空分布特征以及时间发生频率与不同诱因要素的相关性强度上有较大差异,同一机型的飞机在不同尺度范围内与诱因要素之间相关性的强度存在较大差异,并在精细尺度内的相关性描述要明显优于全局尺度。对不稳定进近事件进行初步探索性空间数据分析,从空间异质性角度出发,为未来该事件精细化定量成因分析提供了重要的研究基础和方向指引,对有效地规避此类风险也有典型的实践意义。