基于高斯模型的不确定数据流Skyline查询方法

摘要：

由于数据的动态性及不确定性等特征,使得不确定数据流上Skyline查询研究面临挑战.不确定对象一般采用多元概率密度函数(PDF)表示,现有的不确定数据流Skyline查询方法均采用离散型随机变量建模.然而不确定数据流中的对象可能是连续变化的,离散模型对连续性随机变量难以适用.针对连续PDF建模的不确定数据流Skyline查询进行了研究,提出了基于高斯模型的不确定数据流Skyline查询方法(SGMU),该方法包含2个过程:1)动态高斯建模算法(DGM):对滑动窗口采样并建立高斯模型,将原始的数据流转化为不确定对象PDF的参数流;2)提出了基于高斯树的查询算法(GTS)以建立空间索引结构和执行Skyline查询.实验结果表明,SGMU算法不仅能够对连续型不确定对象进行有效建模以辅助Skyline查询,而且能够有效地减少查询对象个数,提高Skyline查询效率.

关键词：不确定性、数据流、高斯模型、Skyline查询、高斯树

所属期刊栏目：49

分类号：TP393(计算技术、计算机技术)

资助基金：国家"九七三"重点基础研究发展计划基金项目2011CB302601;国家自然科学基金项目60873215;湖南省自然科学杰出青年基金项目S2010J5050;教育部高等学校博士学科点专项科研基金项目200899980003

在线出版日期：2012-09-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：1467-1473