分布式环境下的Skyline代表点查询

为了克服Skyline查询的不足即结果集大小无法控制,提出了Skyline代表点查询,返回k个可描述全局Skyline轮廓的Skyline代表点。研究了分布式环境下的Skyline代表点查询,提出了Naive算法和FDRA。Naive算法首先转移每个子节点上满足条件的两个局部代表点,再通过比较传来的局部代表点间的评价函数值大小决定子节点是否需要传送余下的局部点,以实现剪枝非代表点;与之相比,FDRA的改进在于过滤元组的选择,运用反馈方法,将每次动态更新最大评价函数值的点作为过滤元组,大大降低了计算代价,中心服务器每次只发送过滤元组到分布节点,这样可以尽早且最大限度地剪枝不可能成为代表的Skyline点。提出的算法降低了服务器间的通信开销,返回了正确的结果集,实验论证了算法的有效性与高效性。

Skyline代表点的选择

Skyline查询在多维决策和数据挖掘等方面发挥重要作用,然而随着数据属性维度的增大,Skyline集变得非常庞大.为克服该不足,提出Skyline代表点查询.文中提出新的评价函数改进Skyline点的得分计算方法以选择k个具有代表性的Skyline点.在二维空间提出动态规划算法(DPBA),利用覆盖圆的性质确定非代表点与代表点间的覆盖距离,迭代计算评价函数值,从而得到k个代表点;在高维空间针对NP-hard问题提出一个基于aR-tree结构的近似解决方法,遍历索引结构中的节点,通过与候选Skyline集比较判断是否被支配进行剪枝,降低计算开销.大量基于合成数据与真实数据的实验证明该算法的有效性.

基于位置的路网Skyline查询处理研究

基于位置的路网Skyline查询可根据用户的需求及用户所处的位置,从大量数据中快速返回给用户期望的数据,但已有的道路网络技术需要计算大量的路网距离及数据点间支配关系的运算,导致查询效率较低。提出一种基于路网数据点的倒排索引查询算法DSR。通过计算少量数据点的路网距离求得最终结果,减小路网距离计算的代价,从而加快数据点间支配关系的判定,提升查询效率。在此基础上,在数据点更新情况下给出算法的动态维护,仅通过维护少量数据,DSR即可以快速地计算出Skyline集合。实验结果表明,与SSI、BSS等算法相比,该算法具有较高的查询效率,且时间性能明显提升。

停电区域边界断路器信息缺失时的电网故障诊断

当电网中的元件发生故障,相关保护会跳开断路器以切断故障电流,最终形成一个或多个停电区域。如果将可疑故障元件限定在停电区域内,故障诊断程序的效率会得到很大的提升。然而在调度中心收到的跳闸断路器信息有缺失的情况下,由于无法形成停电区域,故障诊断程序只能对电网中所有元件逐一进行诊断,并且还容易造成对故障元件的漏判。针对断路器报警信息丢失的情况,从图论角度出发,以点割集算法为基础划分出多个可能包含故障元件的无源区域,然后通过skyline多目标优化查询方法,对这些无源区域按可疑元件查准率由高到低的顺序进行排列,并提供给故障诊断程序,保证了诊断速度的同时,能够防止故障元件的漏判。最后使用Petri网为诊断工具,以故障诊断算例验证了该方法的有效性。

基于人工智能的海量数据处理技术研究

为提高海量数据的处理效率,提出基于人工智能的海量数据搜索技术。采用人工智能方法进行海量数据搜索区间的自适应分组,结合人工智能特征信息融合方法对分组后的关键信息点定位匹配,在定位的数据聚类中心进行海量数据特征分析,依据数据特征实现海量数据的准确查询。仿真结果表明,采用所设计的人工智能方法进行海量数据的处理,经过多次迭代后,所提方法的查全率可达到100%,在数据量达到一定量时,时间开销被大大缩短。信息的主要媒体网络遍布生产与生活的各个领域,通过互联网共享和交流信息已经成为人们的习惯与共识。然而,在网络给人类带来便利的同时,也带来了一定的负面影响,海量数据不断增长,数据重复、信息检索困难.