基于线性拟序的时态对象索引

来源 :中山大学 | 被引量 : 0次 | 上传用户:madywu
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
时态数据信息的处理在现在的应用系统中已经显得日益重要,在现在以面向对象程序设计方式一统天下的大环境下,用面向对象思路处理时态对象能够很好地实现程序设计与数据较好的衔接;另外在对时态数据的管理上,时态索引是实现对数据高效查询和利用的一种重要的手段,在这方面,中山大学协同软件实验室针对历史数据库提出一种基于线性拟序的索引方法TDIM,为时态索引提供了一个新的思路。TDIM采用线性拟序对时态区间进行拟序化,并利用DFA等算法对时间区间进行线序划分,并在时态摘要、时态线序分枝的基础上建立索引TDIM,并利用该索引实现了高效率的查询。只是在更新方面有所不足,本文主要以面向对象的思路对数据进行处理,通过往面向对象的类、实例、属性中添加相应的时态标签建立时态对象图ToGrap这一数据模型,并以该模型为基础,依次处理时态对象数据节点,利用TDIM以建立时态对象摘要节点、时态对象线序分枝,并针对TDIM更新方面的不足进行改进,往TDIM中引入父-子节点映射以形成可适应时态对象数据动态更新的时态对象数据编码、时态对象摘要编码和时态线序分枝编码,在线序划分中记录时间矩阵中每列中的最高最低行,以建立时态对象索引TOUDIM,并利用时态对象索引进行高效对象-时态查询、并利用更新算法以实现对时态索引的动态更新管理,并在最后给出仿真实验给以验证。
其他文献
聚类分析是发现数据内有用信息的一种有效手段,具有着重要的研究意义和应用前景。划分聚类问题(PC问题)是备受关注和挑战的重要研究方向之一,因此,寻求快速、有效的方法解决划分
现代的网络技术和服务,带来了全新的无中心网络应用环境。合理的任务资源匹配策略和算法,是提高无中心网络性能的重要手段和方法。传统的网络任务资源匹配算法,已经取得了一
随着计算机互联网技术的日益发展,计算机网络安全问题也日益突出,同时黑客对网络间的信息传递构成的威胁也越来越严重。企业内部不仅要抵御外部对其重要数据的截获和破坏,还
演化博弈理论是生物进化论与经典博弈论相结合所产生的一种理论,它为种群中的个体策略的演化过程提供了一个有效的分析框架。伴随演化博弈研究的深入,系统模型的层次化、复杂
和传统关系型数据库相比,双时态数据库同时支持有效时间维和事务时间维,使得它能够更加精确地表示现实世界中的数据和信息。许多应用程序的数据库(如数据挖掘技术中的数据仓库)
量子线路算法在大整数因子分解、无序搜索、最优化等问题上都比相对应的经典算法时间复杂度低很多,其超强的运算能力引起了人们的极大关注。但是对于某类具体问题来讲,利用量子
交通监控当前已得到广泛应用,为交通监管带来便捷。涉及车辆的刑事案件追查,如对交通肇事车辆、被盗窃车辆的追查等,耗费大量的人力物力。基于监控视频的智能搜索将在这一领
近年来,随着计算机的普及和互连网的发展,越来越多的人通过以计算机互连网为中介进行联系与交流。以此形成了一个新型的社会网络:在线社会网络OSN(Online Social Network)。
生物学家Rosen说过:“从进化的观点来说,生理系统是人类解决复杂问题的最好的百科全书”。而人的眼睛,它叹为观止的完善功能,复杂精细的组织结构,精密协调的控制机制更是“极
随着企业信息化发展,业务系统在企业和机构中的应用越来越广泛。全局流程集成平台(Global Business Process Integration Platform,GBPIP)作为业务系统的开发支撑平台,具有柔性