时态序关系不确定性度量

事物的有效时间由于各种原因具有不确定性,如何表示和度量这种时态不确定性是时态数据库研究的重点。提出使用分段方式近似地存储概率分布函数,并在此存储结构上研究了时态序关系BeforeI操作,最终给出了高效的线性算法。

时态拟序数据结构研究及应用

时态数据索引是实现时态数据有效管理的关键技术之一.讨论了一种时态数据结构及其在时态数据索引上的应用.常规的时态数据管理技术多基于代数框架.提出了一种基于拟序关系的时态数据结构,该结构能够像常规关系数据那样实现"一次一集合"的数据操作,并可通过多线程提高查询效率.在此基础上,研究了一种时态数据索引TQOindex.首先,提出时间期间集合上拟序关系和线序划分概念,讨论了线序划分的最优(最小)性质和构建算法,并在最小线序划分框架内研究时态拟序结构基于增量式更新的插入和删除算法.其次,研究了时态拟序结构应用——引入基于拟序扩展集的时态数据索引TQOindex.该索引适用于磁盘(外存)数据管理,可在常规数据库平台上有效使用.其增量式更新机制可应用于"大数据"的动态索引技术.另外,对TQOindex进行了基本仿真,实验结果表明了该工作的可行性和有效性.提出的时态拟序数据结构着眼于新型数据,如语义数据、XML数据和移动对象数据中时态处理与整合机制,相应的工作具有较为广泛的应用扩展性.

时态拟序数据索引TQD-tree

讨论一种新的时态数据库索引技术TQD-tree。不同于常规的"代数"方式,TQD-tree基于"序关系"数学框架,但与"代数"方式一样能够实现"一次一集合"的数据操作。提出给定时间期间集合上线序划分概念并建立构建算法,在线序划分框架内,提出时态数据索TQD-tree,并研究了相应查询和更新算法。设计了仿真实验,对TQD-tree的性能进行了基本评估。

时态拟序数据索引TQD-tree更新技术

为达到大数据管理框架中实时响应和频繁更新的基本需求,基于线序划分(LOP)的时态数据索引TQD-tree,研究了增量更新技术,提出了新的增量插入更新算法,讨论了利用该算法实现批量更新的可行性,并完成仿真评估以证明TQD-tree更新技术的可行性和有效性.仿真结果表明:本增量更新算法能实现批量更新,减少扫描重构TQD-tree次数,大大提高系统效率.

DTindex:分布式时态索引技术

研究了基于线序划分(LOP)分布式时态索引技术DTindex.通过建立DTindex所需数据结构和算法,讨论分布式时态数据索引DTindex;针对时间数据LOP结构提出基于查询期望的数据分布算,依据DTindex两层索引架构提出P2P部署以减少系统的通信开销;通过仿真实验表明了索引可行性和有效性.

多粒度时间部分周期模型

时间的描述和划分是时态数据采掘中一个非常重要的方面,针对目前时态数据采掘中缺少对多粒度时间等的研究的现状,提出了多粒度时间,粒度转换,时态序等的严格数学定义,并研究和证明了它们的相关性质。以此为基础引出了一个多粒度时间部分周期模型,对模型的支持度和置信度等性质进行了详细讨论,并将多粒度时间下的部分周期模型运用到股票数据实验中,实验表明所提出的模型对于研究时态数据采掘具有重要意义。

时态索引技术研究及其应用

研究有效时间期间集合上数学关系以及时态索引构造与应用.建立时间期间集合上时态连通等价关系和时态包含拟序关系.在引入数学关系框架内,通过对时间期间特征进行精细分析,讨论了大时态连通等价类分割和时态包含拟序关系集重叠等问题,建立了由根结点、等价类分割集结点和拟序关系集线序分枝结点构成的时态索引树形模型TDIM.在TDIM架构下,基于时态数据库中数据实体动态管理基本特征,研究了具时态变量情况下时态索引动态实现机制和查询技术,同时讨论了时态更新(时态插入、时态删除和时态修改)的增量式算法.由于建立在一般时间集合之上,TDIM可以应用于时态关系和XML的数据管理.