一种基于星型模型的增量更新算法

在进行数据仓库的OLAP联机分析处理时,通常采用预先聚集(Aggregate)操作生成概括数据的方法提高查询效率;但是,基于星型模型的数据仓库中的维表的纠错改变和自然改变将会引发概括数据的不正确问题.本文通过研究星型模型维表及其变化的特点,提出了一种增量更新算法,在几乎不增加空间的情况下,降低时间复杂度的增量更新;并通过性能验证,分析算法的可行性.

动态处理数据仓库中星型模型的维与度

首先提出了一个简单直观的星型数据模型 ,然后基于该模型定义了维与度之间相互转化的操作技术 ,通过该转化技术 ,把属于维的操作施加给度 ,把属于度的操作施加给维 。

基于星型模型的关联规则挖掘方法

星型模型是数据仓库中最常用的数据组织方式,对星型模型进行数据挖掘具有实际的意义。在单维Apriori算法和前人工作的基础上,介绍了对带有时态约束的星型模型进行多维关联规则挖掘的方法,并举例说明。

星型模型上的高效百分点计算方法

提出了星型模型扁平化编码方法上的百分点聚集函数的并行算法。把星型模型中维表上与查询相关的维度层次信息编码到事实表里,该编码方法使得经过改写的聚集查询,在查询处理过程中无需进行事实表和维表之间的连接,数据可以均匀分布到机群上,利用并行处理提高查询性能。百分点计算不具有天然的并行性,提出了基于采样预测的并行迭代式算法,通过付出采样数据的网络传输开销,使得算法快速收敛,解决了大规模机群上的百分点聚集函数计算的性能问题。实验结果证实,该算法不仅能快速收敛,而且其网络传输开销也是可以接受的。

基于整体-星型模型的人体姿态估计

针对姿态估计方法受到人体姿态多样性的影响问题,本文研究适合表示人体结构的模型,提出一种基于多模整体模型和星型模型的人体姿态估计方法.首先,使用人体整体检测器完成人体整体方位的检测,以获得初始人体候选集;然后提出一种多模型的星型结构,表示具有一定方位偏差的人体各个部位和整体之间的关系;为了更好地描述相邻部位之间的分布关系,在整体-星型模型中融合树型模型.数据集IP和LSP的结果表明,该方法提高了姿态估计准确率,尤其提高在人体姿态多样的情况下的结果.

基于星型模型的数据仓库中维变技术的研究

描述了基于星型模型的数据仓库中维表的纠错改变和自然改变的一些特征,分析了由此引发的问题,提出并实现了一种新的解决方法,并给出实例验证其可行性。

语义信息集成中基于星型模型的上下文转换

在分布异构的数据源之间不仅存在模式异构,而且存在上下文异构.解决上下文异构的核心问题是在不同的上下文之间进行转换.已有的上下文转换方式需要手工预定义大量转换函数,而且缺乏灵活性和扩展性,很难维护.本文提出的基于星型模型的上下文转换方式根据同一上下文类型内部不同上下文取值之间具有函数关系的特点,极大地减少需要预定义的转换规则的数量,同时获得更好的灵活性、扩展性,易于维护.

基于关键属性索引HASH函数的星型模型构造算法

针对数据仓库的一种典型应用,论文提出了利用关键属性索引作为HASH函数变元的数据仓库星型模型构造算法;在此基础上,通过区分两种不同类型的关键属性,进一步提出了以静态属性索引HASH函数值和动态属性索引值作为查找关键字的模型构造算法。最后以实际应用数据论证了算法的实用性。

星型模型的轮廓连接查询算法

轮廓查询在多标准决策中具有重要应用价值,对于单表轮廓查询已有大量研究,但在实际中,轮廓查询的属性很可能分布在多张表中。如果在多表连接之后进行轮廓查询,随着维度和元组数目的增加,计算代价会越来越大。为此,针对数据仓库中星型模型的数据特点,提出了三种此模型下的多表连接轮廓查询算法并对算法进行了实验比较分析。结果表明,此算法比先连接再做单表轮廓查询的算法更为有效,并且这三种算法在不同特点的数据集合下会表现出各自的优势。

自动设计交互式、可执行的星型模型

自动设计交互式可执行的星型模型是一种基于Web用户界面的工具.用户可以根据现存的可操作的数据库的一些图表来设计生成数据仓库星型模型.本系统软件能帮助相关人员利用计算机,快速方便的对企业及相关部门所需的数据及信息进行管理、输入、输出、查找,使散乱的信息能够具体化、直观化、合理化.

星型模型在复杂数据仓库环境中应用研究

针对数据仓库中分散数据的整合问题,本文基于商用BI工具COGNOS对星型结构数据模型进行优化,创建底层模型和数据立方体。运行结果显示,数据模型易于整合分散事实数据,性能优越。

数据仓库中的一种星型数据模型

数据仓库和联机分析处理 (OL AP)是第三代数据库系统的两个重要新技术。由于没有对 OL AP形成准确的、共同认可的数据概念模型 ,造成目前一些支持 OL AP的数据模型都有一些不合理的限制 ,除非这些模型重新设计 ,否则不能回答特殊类型的询问。在此基础上 ,形式化地定义了一种基于关系的简单、直观的描述复杂大型数据的星型数据模型 ,并设计了 2个简单的星型关系代数以支持在该数据模型上的 OL AP操作。

点击流数据仓库中基于事件驱动的星型ER模型

Web应用产生了大量的点击流数据,为有效分析这些数据,使之发挥更好的决策支持作用,产生了点击流数据仓库。较之传统数据仓库,点击流数据仓库有更复杂的体系结构及更丰富的数据源,现有的数据模型已不再适合点击流数据仓库的发展需要。提出了一种基于事件驱动的星型ER模型作为点击流数据仓库的概念模型,给出了关键事件/非关键事件及主动关注期望/被动关注期望概念。分析结果表明,该模型克服了现有模型的一些不足,能够很好地适应点击流数据仓库的体系结构。

基于星型模型与多条件随机场的人体行为识别

为提高人体行为识别的实时性与准确性，提出一种基于星型模型与多条件随机场（Multiple Conditional RandomFields，MCRF）相结合的行为识别方法。首先，利用混合高斯模型进行背景建模，提取人体目标，建立人体星型模型。其次，通过建立人体坐标系，确定星型模型中各关键点的坐标提取距离、速度、角度、轨迹特征，并对每一特征集进行条件随机场建模，联合4类条件随机场模型建立多条件随机场模型，进行人体行为的识别。通过在KTH人体行为数据库上进行测试，结果证明，此方法能实时、准确的进行人体行为识别。

分布式系统中一种动态负载均衡策略、相关模型及算法研究

随着分布式系统的广泛应用 ,提高系统的性能的动态负载平衡策略也日益为人们所重视 .本文提出了中间应用服务器负载的一种动态均衡策略 ,并在 Java RMI技术的基础上构建了使用该策略的均衡模型 。

基于列存储机制下多维数据仓库模型的优化与研究

通过对分布式列存储机制下多维数据仓库模型的研究,考虑到多维数据仓库模型上的关联和聚集操作常常会引入大量的数据迁移,提出一种有效的列存储机制下多维数据仓库模型的优化方法即结合层次编码技术。采用维表层次全局域编码和维表层次局部域编码相结合的方式对传统星型模型维表中的层次信息进行二进制编码整合,将维表的层次信息压缩进事实表形成无连接星型模型,并针对新模型下的数据特征提出一种复合压缩策略,以期减少分布式列存储机制下的OLAP操作引入的数据迁移并降低数据存储空间,提升系统的查询性能。实验结果表明,该优化方法是可行且有效的。

企业竞争对手产品分析的数据仓库模型研究

由于竞争对手产品信息更新变化快,导致企业存有大量的竞争对手产品数据,充分理解和利用它们已经远远超过了人的能力。如何从海量的数据出发,得到能真正辅助企业进行决策的信息,是目前所有企业亟待解决的一个问题。本文运用数据仓库来解决这个问题,采用三级模式的设计方法就竞争对手产品分析的数据仓库的概念模型、逻辑模型和物理模型进行了详细的研究与设计。从而帮助企业全面了解竞争对手产品情况并预测竞争对手的战略方向。

基于财务数据分析的数据仓库模型

财务报表数据是分析判断企业经营状况的重要指标,是企业做出及时、准确的决策的重要依据。本文通过介绍数据仓库结构及其相关技术,结合财务分析的特点,提出了基于智能财务分析的数据仓库模型设计方案。

基于多维cube海量零售关键数据挖掘模型仿真

当前的电商零售数据受到很多因素的影响,其内在联系属性被众多不相干非销售数据属性干扰。销售数据的关联规则很难被无差错的找到,传统的关联挖掘算法会陷入到海量的数据联系中,形成很多无用联系,造成挖掘耗时,效率较低。提出一种多维cube的海量零售关键数据挖掘模型。依据频繁项目集的性质,按照概率估算方法,将扫描的待定项目集进行选择性评估;在频繁项集的时候,根据评估的概率按照候选项目集的依赖关系进行筛检,并结合最小支持度与最小可信度的阈值产生频繁项集,进一步产生关联规则。以某电子商务网站中的销售数据和客户访问数据仿真结果表明:改进算法具有较好的访问速度,验证了算法的有效性。