TMS:一种新的海量数据多维选择Top-k查询算法

在许多应用中,Top-k是一种十分重要的查询类型,它在潜在的巨大数据空间中返回用户感兴趣的少量数据.Top-k查询通常具有指定的多维选择条件.分析发现:现有算法无法有效处理海量数据的多维选择Top-k查询.提出了一个基于有序列表的TMS(top-k with multi-dimensional selection)算法,有效计算海量数据上的具有多维选择的Top-k结果.TMS算法利用层次化结构的选择属性网格对原数据表执行水平划分,每一个分片的元组以面向列的模式存储,并且度量属性的列表根据其属性值降序排列.给定多维选择条件,TMS算法利用选择属性网格确定相关网格单元,有效减少需要读取的元组数量,提出双排序方法执行多维选择的渐进评价,并提出有效剪切操作来剪切不满足多维选择条件和分数要求的候选元组.实验结果表明:TMS算法性能优于现有算法.

约简概念格与模糊优选在地下工程岩体质量评判中的应用

为了对地下工程岩体质量进行正确评判并提高评判效率,利用约简概念格对影响地下工程岩体稳定性的5项指标进行约简。5项指标分别为岩石质量指标、岩石单轴饱和抗压强度、完整性系数、结构面强度系数和地下水渗水量。以广州抽水蓄能电站1期地下工程岩体17组实测数据和8组插值数据作为学习样本,利用约简概念格对指标约简后得到岩石质量指标、岩石单轴饱和抗压强度和结构面强度系数这3项指标,用模糊优选法对约简后样本进行岩体质量评判,评判结果与实测结果吻合,然后将该模型用于该电站2期地下工程岩体质量评价。研究结果表明:利用约简概念格与模糊优选构建的模型的评判结果和粗糙集-逼近理想解的排序法(RS-TOPSIS)、突变级数法、人工神经网络(ANN)和支持向量机(SVM)的评判结果一致。利用约简概念格与模糊优选构建的模型减少了评判所需的指标,提高了评判效率。