Skyline查詢算法,從被提出以來(lái),就得到了大量的關(guān)注。該算法能夠很好地描繪數(shù)據(jù)的概況,展現(xiàn)數(shù)據(jù)的走向。Skyline查詢算法在多規(guī)則決策、實(shí)時(shí)在線服務(wù)以及商業(yè)數(shù)據(jù)分析等等的實(shí)際場(chǎng)景中都用著良好的應(yīng)用。并且在互聯(lián)網(wǎng)技術(shù)日新月異的時(shí)代,Skyline查詢算法依然擁有可觀的發(fā)展?jié)摿�。然�?在處理維數(shù)多、數(shù)據(jù)量大的數(shù)據(jù)集的時(shí)候,Skyline查詢算法存在著返回結(jié)果過(guò)多的問(wèn)題。因此結(jié)合經(jīng)典的Top-k算法來(lái)幫助過(guò)濾Skyline查詢的結(jié)果的Top-k Skyline查詢算法被提出了。但是現(xiàn)有的Top-k Skyline查詢算法在處理大數(shù)據(jù)集的時(shí)候,仍然存在效率低下的問(wèn)題,主要表現(xiàn)在以下幾個(gè)方面:（1）通過(guò)構(gòu)建以及維護(hù)特殊的數(shù)據(jù)結(jié)構(gòu)來(lái)減少查詢時(shí)間。但是在處理大數(shù)據(jù)集時(shí),存儲(chǔ)相關(guān)數(shù)據(jù)結(jié)構(gòu)的所需空間以及維護(hù)數(shù)據(jù)結(jié)構(gòu)的所需時(shí)間,隨著數(shù)據(jù)量爆炸式增加而變得難以接受。（2）時(shí)間復(fù)雜度較大�，F(xiàn)有算法最優(yōu)時(shí)間復(fù)雜度為O（nlogn）,在處理大數(shù)據(jù)集的時(shí)候,算法的運(yùn)行時(shí)間過(guò)長(zhǎng)。（3）特殊的數(shù)據(jù)結(jié)構(gòu)缺乏普適性。在處理數(shù)據(jù)類型簡(jiǎn)單的數(shù)據(jù)集時(shí),構(gòu)建相匹配的數(shù)據(jù)結(jié)構(gòu)能做到良好的時(shí)間優(yōu)化。但是面對(duì)數(shù)據(jù)類型復(fù)雜的數(shù)據(jù)集時(shí)... 

【文章頁(yè)數(shù)】：68 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 研究背景與意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
    1.3 本文研究?jī)?nèi)容
    1.4 本文結(jié)構(gòu)
第二章 經(jīng)典的Top-k Skyline查詢算法
    2.1 Skyline查詢算法
    2.2 Top-k支配查詢算法
    2.3 多級(jí)網(wǎng)格Skyline查詢算法
    2.4 針對(duì)大數(shù)據(jù)集設(shè)計(jì)新的Top-k Skyline查詢算法的必要性
    2.5 針對(duì)大數(shù)據(jù)集設(shè)計(jì)新的Top-k Skyline查詢算法要考慮的因素
    2.6 本章小結(jié)
第三章 基于度值評(píng)分的Top-k Skyline查詢算法
    3.1 DFTS算法基本思想
    3.2 DFTS算法整體流程
    3.3 DFTS算法實(shí)例
    3.4 性能分析
    3.5 本章小結(jié)
第四章 實(shí)驗(yàn)設(shè)計(jì)與結(jié)果
    4.1 實(shí)驗(yàn)設(shè)計(jì)
    4.2 評(píng)估DFTS算法性能的影響因素
    4.3 DFTS與TKDQ的對(duì)比
    4.4 DFTS在不同規(guī)模數(shù)據(jù)集中的收益分析
    4.5 本章小結(jié)
第五章 總結(jié)與展望
    5.1 總結(jié)
    5.2 后續(xù)工作
參考文獻(xiàn)
攻讀碩士學(xué)位期間發(fā)表的論文
致謝



本文編號(hào)：3699920