基于遗传算法的实时内存数据库查询优化

各种事务类型的查询处理是实时数据库实现的关键点之一．由于现有的关系查询处理不能适合于实时数据库，因此实时数据库系统必须具有自己的查询处理器．为此，结合正在开发的嵌入式实时数据库系统ERTDBMS，给出了一个实时数据库查询处理的系统RTQP，并在对实时数据库查询处理做了一般性探讨后，将重点放在内存代价和遗传算法上，类似于关系系统RTQP提供了在MMDB环境下节省内存的查询处理的实现算法，以及遗传算法和实时数据库规则相结合的查询优化方案。     

SQL Server数据库查询优化方法探究

目前数据库面临的主要问题是SQL查询语句的优化。本文通过分析了SQL Server数据库查询优化器的执行策略,提出了SQL语句中切实有效的查询优化方法。以拓宽优化数据查询的灵活性。有效提高查询效率以及数据库的整体性能。     

基于物化视图的查询系统研究与实现

在数据库领域,如何加快查询的执行速度非常重要。查询重写技术能透明地利用物化视图回答查询,避免了直接访问大量的原始记录以及耗时的连接和聚集计算,提高了查询 的执行速度。本文讨论了基于数据库中的外键连接关系进行扩展的查询重写方法,以此为核心研究了针对小型数据库的物化视图查询系统,并通过实验证明了物化视图策略的有效性。     

基于粒子群算法的数据库查询优化

研究粒子群算法在数据库查询优化中的应用问题。为了解决大型数据库信息检索困难、查询效率低的问题,提出了一种基于粒子群算法优化数据库查询技术方案。算法提出了一种数据库查询执行计划代价模型,主要包括了查询多链接次序以及副本的选择问题,准确定义了数据库查询执行代价,采用提出的粒子群算法来优化并求解该执行代价问题,从而使得分组数目更少、数据定位更精确。实例验证结果表明,通过属性表现和违规行为任何教师都可以被准确定位,减少了分组,为数据库查询提供了优化。     

基于代数的Transform查询优化策略

XQuery/Update中定义了一种特殊的查询--Transform查询.Transform查询类似于关系数据库中的假设查询,可以表示成假设查询的一般形式:"Q when{U}",即查询Q的查询结果是假设数据库执行了更新操作{U}以后的结果,而更新操作U实际不修改数据库的状态.Transform查询需要拷贝XML数据库中的结点,并对拷贝的结点执行更新操作,所以不影响数据库的状态.但该操作通常拷贝和更新了大量与查询结果无关的结点,因此如何减少拷贝与更新操作的代价是Transform查询处理优化的关键.提出了基于OrientXA的Transform查询优化方法,并在NativeXML数据库系统OrientX 3.0里实现和验证了该方法.     

一种新颖的测控数据库

本文对开发面向测控领域的实时数据库管理系统的必要性进行了论述,并设计了一种新颖的基于关系模型的实时数据库管理系统(RDBMS)。该系统提供实时数据库结构化查询语言(RDBSQL)以进行实时数据库查询操作,提供实时数据库调用接口(RDBⅡ)以开发应用程序。     

一种改进的数据库查询优化算法

数据库查询优化技术对提高数据库的查询效率,增强数据库性能有重要作用。针对大型数据库中多表连接查询效率低的问题,提出了一种基于粒子群算法的改进查询优化算法。针对多表连接查询的特征,对粒子采用树形编码的方式,并提出了一种计算数据库查询执行代价的模型。实验表明,使用粒子群算法优化后的查询策略比原始查询策略的查询执行代价低,有效提高了系统的查询效率。     

基于多线程的流水线查询处理方式

通过对一个主动实时数据库(ARTs—DB)的研究，分析了该系统的查询处理执行方式，引入线程概念，提出了基于多线程技术的流水线查询处理方式，并给出其具体实现，从而提高系统的查询性能。最后给出其代价分析及性能比较。     

实时数据库主动计算的设计与实现

针对工业生产过程的优化控制和历史数据查询中的计算需求,结合实时数据库数据采集和数据存储,设计并实现了实时数据库的主动计算。在实时数据库中使用主动计算,既可以实时获取计算结果值进行实时的优化控制,也可以在后续条件查询中直接获取计算结果,从而大大提高查询效率。     

一种改进的数据库查询优化算法

数据库查询优化技术对提高数据库的查询效率,增强数据库性能有重要作用。针对大型数据库中多表连接查询效率低的问题,提出了一种基于粒子群算法的改进查询优化算法。针对多表连接查询的特征,对粒子采用树形编码的方式,并提出了一种计算数据库查询执行代价的模型。实验表明,使用粒子群算法优化后的查询策略比原始查询策略的查询执行代价低,有效提高了系统的查询效率。     

路网环境下基于双锚点的位置隐私保护方法

针对SpaceTwice方案中查询结果分布不均衡的缺陷,通过结合路网环境提出一种基于双锚点的位置隐私保护方法。该方法采用分布式系统结构,摆脱了可信第三方的性能瓶颈,用户可根据自身的隐私需求构建匿名区,并以锚点作为查询点进行基于双锚点的增量近邻查询,使查询结果分布更均衡,提高查询准确率。通过在不同路网环境下对该方法进行大量实验结果表明,该方法在保证查询准确率的同时提高了查询效率。     

利用离散边界点判断的反向最远邻查询算法

目前大部分的反向最远邻查询方法对查询点是否存在反向最远邻的情况不进行判断,当查询点不存在反向最远邻的结果集时,也进行全部的操作,增加了查询消耗。针对这种情况,提出了利用离散边界点判断查询点是否存在反向最远邻结果集的方法,利用离散边界点、四分邻域区和半平面修剪策略进行过滤操作,并验证过滤后得到的结果集中数据点的有效性。实验测试了查询点的位置对查询的影响和数据集的大小以及数据分布对查询的影响,并与利用凸包判断的方法进行了对比分析。实验结果表明,当查询点不是离散边界点时,查询消耗几乎为0,当查询点移动到边界时,查询消耗增加。实验表明提出的方法可以得到查询点的反向最远邻结果集。     

欧式空间中反向最远邻查询方法的研究

大部分反向最远邻查询算法采用过滤-提纯查询处理框架,对数据集和查询点的位置关系不进行判断。针对这种情况,提出了一种处理欧式空间中反向最远邻查询方法,首先利用查询点与凸包之间的位置关系进行判断,得到三种情况,针对第三种情况再进行过滤和提纯两步处理。在过滤步骤中,使用修改的半平面修剪策略,除去大量的数据点,在提纯步骤排除不是查询点反向最远邻的数据点。实验结果验证了算法的有效性。     

利用双邻点判断法优化拓扑关系自动生成算法

拓扑关系自动生成算法的效率直接影响地理数据空间关系的建立和查询等操作的性能。作者在实际的软件设计过程中，发现双邻点判断法可以在算法至关重要的２个环节处大大减少运算量，显著提高算法效率。这２个环节就是多边形的区域归属判断以及点与多边形包含关系的判断。     

针对Kriging插值结果的空间查询方法

Kriging插值方法及其各种改进模型已被广泛应用,但由于其插值结果是栅格形式,因此不利于与矢量数据叠加分析。为了更加便捷地使用插值结果,在衡量Voronoi图和最小外接矩形特点的基础上,提出了适用于Kriging插值结果的数据结构及空间查询方法。查询某一点位的特征值时,先通过区域的最小外接矩形初步判断出该位置可能存在的区域,进而逐一判断点与所选区域的空间关系,根据点所在区域的属性值得到该点位的特征值。该方法实现了对Kriging插值结果的空间查询,其正确性通过某露天矿的实际运行数据得到了验证。实验结果表明,该方法的查询效率控制在毫秒级,能够满足矿区车载终端程序及类似应用的需求。     

一种基于检索结果集的图像检索相关反馈算法

基于内容的图像检索相关反馈方法大都把着眼点放在调整用户反馈和修改系统的查询策略上,忽略研究每轮检索结果包含的丰富信息。本文基于移动查询点算法,提出截取部分检索结果作为检索结果集,在结果集中使用SVM方法并以系统交互过程的记忆为辅助得到最终结果的方法。由对比实验表明,本文的方法比传统反馈方法具有更高的查准率和查全率。     

加强局部简便计算的点在多边形内的高效判定

点在多边形内的检测是计算几何中的一个基本问题,有着广泛的应用需求。已提 出许多方法减少要测试的多边形的边以加速。其中,均匀网格法具有很好的作用,因为各网格 中的边很少,而测试点可迅即定位于一个网格。我们曾提出一种均匀网格法,预计算各网格中 心点位于多边形内/外的属性,然后将测试点与所在网格的中心点连线,检测该连线与多边形的 边的相交情况即可。其预处理和检测的复杂度分别为 O(N)和 O( N ),N 为多边形的边数。本 文在此基础上进一步改进,预计算网格交点位于多边形内/外的属性,然后将测试点与其邻近网 格交点的连线,转换为与坐标轴平行的两条相连直线段,以提高与多边形边求交计算的便捷性。 实验结果表明,可将检测速度提高 2 倍多。     

基于Voronoi图的方向区域查询方法

针对空间中方向区域查询效率不高的问题,通过引入Voronoi图,利用其特性对数据空间进行划分,提出了基于Voronoi图的方向区域查询方法.该方法在基于Delaunay三角网生成的Voronoi图索引结构基础上,将首结点与查询对象连线形成有向线段,利用Voronoi图可以通过邻接生成点延展的特点确定查询对象的位置,通过...     

受限网络移动对象不确定性轨迹的查询

针对移动对象轨迹的内在不确定性及其导致的查询精度较低的问题,将已有移动对象的空间轨迹不确定性模型应用于网络移动对象的轨迹表示中。在此基础上,将概率查询方法运用到受限网络移动对象的不确定轨迹查询中,提出移动对象轨迹的不确定性点查询和概率范围查询方法。实验结果表明,该方法具有较高的查询效率。     

基于Voronoi图的反向最近邻查询

为了解决反向最近邻查询问题,利用Voronoi图及数据集中点的凸包进行反向最近邻查询,通过判断查询点与凸包的位置关系,可去除大量的数据点,并且给出在数据点被加入或删除后,对查询点的反向最近邻变化情况的判断方法与算法。为了便于查询,设计相应的空间存储数据结构。比较分析表明,该方法在处理多个查询点的反向最近邻时有一定的优势。