[發(fā)明專利]一種面向模糊數(shù)據(jù)庫的多維輪廓計(jì)算數(shù)據(jù)處理方法

有效

• 申請?zhí)枺?/td>: 201210380730.X
• 申請日: 2012-10-09
• 公開（公告）號: CN103714095B
• 公開（公告）日: 2017-02-01
• 發(fā)明（設(shè)計(jì)）人: 黃震華;陳千;郭鑫;王棟;向陽;蔣亞琴
• 申請（專利權(quán)）人: 同濟(jì)大學(xué)
• 主分類號: G06F17/30
• 分類號: G06F17/30
• 代理公司: 上?？剖⒅R(shí)產(chǎn)權(quán)代理有限公司31225
• 代理人: 宣慧蘭

技術(shù)領(lǐng)域

本發(fā)明涉及一種數(shù)據(jù)處理方法，尤其是涉及一種面向模糊數(shù)據(jù)庫的多維輪廓計(jì)算數(shù)據(jù)處理方法。

背景技術(shù)

多維輪廓計(jì)算的前身是數(shù)學(xué)領(lǐng)域的最大矢量計(jì)算問題，它旨在所有多維矢量中，慮除那些在各維上都不具有優(yōu)勢的矢量集合。對于過濾之后而剩下的那些矢量，它至少使得一個(gè)單調(diào)函數(shù)取得最優(yōu)值。在最大矢量計(jì)算設(shè)計(jì)方面，有3個(gè)比較經(jīng)典的算法來解決最大矢量問題，即1975年提出的DD&C算法，1978年提出的LD&C算法以及1990年提出的FLET算法。由于數(shù)學(xué)領(lǐng)域中的最大矢量計(jì)算問題的輸入矢量個(gè)數(shù)相對較少，所以這些算法均是基于內(nèi)存設(shè)計(jì)的，而不具有可擴(kuò)展性。

隨著數(shù)據(jù)庫以及相關(guān)領(lǐng)域的成熟和壯大，人們從數(shù)據(jù)庫領(lǐng)域的自身特點(diǎn)和應(yīng)用出發(fā)來重新研究最大矢量計(jì)算問題，為重新命名為多維輪廓計(jì)算。然而這些應(yīng)用的一個(gè)顯著特點(diǎn)就是數(shù)據(jù)量的巨大性，因此在數(shù)學(xué)領(lǐng)域所使用的方法將不再適用。2001年的ICDE國際會(huì)議上，兩個(gè)不基于任何索引技術(shù)且不限于內(nèi)存的計(jì)算算法，即BNL算法和SD&C算法，被提出用于處理多維輪廓計(jì)算。由于不使用任何索引機(jī)制，因此這兩個(gè)算法效率比較低?；谶@個(gè)原因，隨后的大部分工作均是從采用某種空間索引技術(shù)來研究如何提高多維輪廓計(jì)算的速度。比較典型和高效的工作是2002年D.Kossmann等人在VLDB會(huì)議上提出的NN算法、2003年D.Papadias等人在SIGMOD會(huì)議上提出的BBS算法、2006年M.Sharifzadeh等人在VLDB會(huì)議上提出的B²S²算法以及2009年A.Cuzzocrea等人在CIKM提出的LCMA算法。這4個(gè)算法均采用空間R樹索引來加快產(chǎn)生多維輪廓計(jì)算結(jié)果集的速度。目前，多數(shù)企業(yè)針對確定數(shù)據(jù)庫，都使用這四個(gè)算法來進(jìn)行多維輪廓計(jì)算。

然而，隨著企業(yè)對數(shù)據(jù)采集需求的不斷深化和提高，模糊數(shù)據(jù)得到廣泛的重視。在多數(shù)實(shí)際行業(yè)中(例如先進(jìn)制造、物流、金融、電信、航空航天等行業(yè))，企業(yè)由于受數(shù)據(jù)采集設(shè)備的精度、數(shù)據(jù)自身不完整性等因素的制約，使得數(shù)據(jù)模糊性在企業(yè)內(nèi)部數(shù)據(jù)源中普遍存在，模糊數(shù)據(jù)正扮演著關(guān)鍵的角色。由于模糊數(shù)據(jù)庫的結(jié)構(gòu)和模式比確定數(shù)據(jù)庫更為復(fù)雜和靈活，因此現(xiàn)有確定數(shù)據(jù)庫上的多維輪廓計(jì)算方法無法有效適用于模糊數(shù)據(jù)庫。

發(fā)明內(nèi)容

本發(fā)明的目的就是為了克服上述現(xiàn)有技術(shù)存在的缺陷而提供一種高效、準(zhǔn)確的面向模糊數(shù)據(jù)庫的多維輪廓計(jì)算數(shù)據(jù)處理方法。

本發(fā)明的目的可以通過以下技術(shù)方案來實(shí)現(xiàn)：

一種面向模糊數(shù)據(jù)庫的多維輪廓計(jì)算數(shù)據(jù)處理方法，該方法通過等價(jià)重構(gòu)模塊、子輪廓優(yōu)化模塊以及模糊數(shù)據(jù)庫模式設(shè)計(jì)模塊實(shí)現(xiàn)對多維輪廓計(jì)算的數(shù)據(jù)處理，等價(jià)重構(gòu)模塊接收到用戶的多維輪廓計(jì)算請求后，對該多維輪廓計(jì)算進(jìn)行等價(jià)重構(gòu)，分解為若干個(gè)子輪廓計(jì)算和若干個(gè)輪廓視圖分別進(jìn)行處理，再向用戶返回結(jié)果；

所述的子輪廓計(jì)算通過子輪廓優(yōu)化模塊進(jìn)行優(yōu)化，其具體過程為：首先從邏輯層面上確定子輪廓計(jì)算的原子操作關(guān)系及其最優(yōu)執(zhí)行順序，并根據(jù)該順序逐一執(zhí)行原子操作，然后在物理層面上與模糊數(shù)據(jù)庫模式設(shè)計(jì)模塊的內(nèi)的模糊數(shù)據(jù)庫建立索引；

所述的輪廓視圖直接由等價(jià)重構(gòu)模塊從模糊數(shù)據(jù)庫模式設(shè)計(jì)模塊內(nèi)的輪廓視圖存儲(chǔ)庫中獲取。

所述的等價(jià)重構(gòu)模塊進(jìn)行等價(jià)重構(gòu)的過程具體包括以下步驟：

1)在一階謂詞邏輯重構(gòu)語義的基礎(chǔ)上，設(shè)定多維輪廓計(jì)算的外延條件，并計(jì)算在該外延條件下的時(shí)間復(fù)雜度開銷；

2)根據(jù)反轉(zhuǎn)規(guī)則和局胚組合優(yōu)化理論構(gòu)造等價(jià)重構(gòu)胚源集；

3)由步驟2)得到的胚源集利用演化和代理映射機(jī)制生成可造輪廓計(jì)算重構(gòu)片段，最終產(chǎn)生若干個(gè)子輪廓計(jì)算和輪廓視圖。

所述的模糊數(shù)據(jù)庫模式設(shè)計(jì)模塊內(nèi)的模糊數(shù)據(jù)庫通過三個(gè)層次進(jìn)行底層數(shù)據(jù)構(gòu)造，分別為：模糊實(shí)體-關(guān)系模式、模糊關(guān)系代數(shù)體系和模糊函數(shù)依賴推理系統(tǒng)。

模糊數(shù)據(jù)庫的模糊數(shù)據(jù)通過無線傳感器網(wǎng)絡(luò)和異構(gòu)信息抽取系統(tǒng)采集得到。

與現(xiàn)有技術(shù)相比，本發(fā)明通過等價(jià)重構(gòu)，將多維輪廓計(jì)算分解為若干個(gè)子輪廓計(jì)算和若干個(gè)輪廓視圖分別進(jìn)行處理，提高了處理的效率，對于重構(gòu)后的子輪廓計(jì)算，從邏輯層面和物理層面兩個(gè)層次進(jìn)行優(yōu)化，使得多維輪廓計(jì)算能夠有效的適用于模糊數(shù)據(jù)庫。而且模糊數(shù)據(jù)庫通過三個(gè)層次進(jìn)行底層數(shù)據(jù)構(gòu)造，引進(jìn)了實(shí)體概率的定義，使得數(shù)據(jù)間和屬性間的關(guān)系、操作和函數(shù)依賴蘊(yùn)含和體現(xiàn)模糊性和不確定特征，從而更準(zhǔn)確返回模糊數(shù)據(jù)庫上的多維輪廓計(jì)算的結(jié)果。

附圖說明