一种高效的连续不确定XML小枝模式匹配算法

针对目前不确定XML小枝模式匹配算法均基于归并,易造成很大的空间和时间浪费问题,提出基于P-文档模型的连续不确定XML的非归并的小枝模式匹配算法。算法在节点入队列和出队列时分别进行过滤剪枝操作,减少待处理节点的个数,匹配过程使用相互关联的链表存储中间结果,不需要归并。理论分析与实验结果表明,该算法是一种高效的连续不确定XML查询算法。

连续不确定XML数据查询处理算法

针对目前连续不确定XML数据同步多区间的查询处理算法易造成较大时间开销的问题,提出一种基于蒙特卡洛最小二乘思想的小枝模式查询处理算法QueryLSMC。算法根据查询请求依节点遍历序列顺序处理路径栈中节点,利用链表匹配并存储中间结果,通过构造随机样本集线性拟合目标节点中的连续分布函数,避免了对大量矩形分段的处理,有效地减少了计算量。实验结果表明,在取得理想精度的同时,该算法具有高效性。

多维连续不确定XML数据查询处理算法

提出一种基于蒙特卡洛思想的数据查询处理算法QueryMC.在查询计算过程中,根据小枝查询模式确定待处理多维随机变量联合概率密度函数及查询区域,通过构造相同区域上的均匀分布随机变量将查询问题建模成相应复合函数的期望,利用算法同时产生的随机样本集估计该期望的取值作为问题的解,避免了传统的降维操作,有效地减少了处理时间.实验结果表明,在取得理想精度的同时,算法具有高效性.

连续不确定XML的Top-k查询算法研究

为了解决连续不确定XML高效的top-k查询,提出CProTJFast算法。该算法基于P-文档模型,扩展PEDewey(probabilistic extended Dewey)编码支持连续分布类型节点的编码,采用路径概率下限值进行节点过滤,并针对连续概率密度函数制定过滤策略,从而在计算连续节点概率之前过滤掉不参与结果的节点。实验结果表明,采用连续节点过滤策略的CProTJFast算法有效地提高了连续不确定XML的top-k查询效率。

一种适用连续不确定XML数据的索引

针对连续不确定XML数据概率阈值范围查询,提出一种新的CUXI索引树。该索引树的构建方法是借鉴U树对空间数据自顶向下递归构建索引树的思想,将连续不确定XML文档中具有相同父亲的叶子节点构建二维数据矩形,在聚类的基础上来构建相应的CUXI索引树,其中叶子节点存储连续不确定数据辅助信息。为了提高查询效率,对连续不确定数据制定了过滤策略,通过遍历索引树过滤掉不满足查询范围的子树。理论和实验结果表明,此索引技术可提高查询处理的性能。

多维连续不确定XML数据模型及聚集查询算法

提出一种基于p-文档的连续不确定XML数据模型,支持多维连续随机变量的不确定XML数据表示。提出高效的XML聚集算法,既支持XPath表达式,又能够根据不同类型的连续函数选择合适的聚集方法。实验结果表明,该算法能够有效地处理支持多维连续不确定XML数据的聚集查询,并且具有很好的可扩展性。