文摘
英文文摘
声明
第一章引言
1.1数据仓库技术的产生与发展
1.2近似查询处理技术的研究背景与意义
1.3近似查询处理技术的国内外研究状况
1.4论文的主要工作
1.5论文的组织安排
第二章数据仓库与近似查询技术的相关研究
2.1数据仓库技术
2.1.1实体化视图
2.1.2索引
2.1.3数据方体(data cube)技术
2.1.4并行处理技术
2.1.5数据压缩技术
2.2近似查询处理的基本概念
2.3聚集查询近似处理技术研究
2.3.1抽样技术
2.3.2直方图技术(Histogram)
2.3.3小波变换技术(Wavelet)
2.3.4其它技术
2.4非聚集查询的近似处理技术研究
2.5数据压缩技术
2.6近似查询结果评价
2.7 小结
第三章基于聚类的近似查询处理方法概述
3.1数据仓库中的数据模型
3.1.1多维数据模型
3.1.2多维数据模型的物理实现
3.1.3OLAP的基本操作
3.2并行数据仓库系统ParaWare概述
3.2.1 ParaWare的体系结构
3.2.2 ParaWare的数据模型
3.3 CAQP的基本结构
3.3.1数据预处理模块
3.3.2数据存储模块
3.3.3聚类模块
3.3.4数据维护模块
3.3.5查询处理模块
3.3.6近似扩展数据方体模块
3.4 CAQP与ParaWare的关系
3.5 CAQP的特点
3.6 小结
第四章聚类分析技术研究
4.1聚类分析概述
4.2聚类分析的相关研究
4.2.1基于分区的聚类方法
4.2.2基于层次的聚类方法
4.2.3基于密度的聚类方法
4.2.4基于方格的聚类方法
4.2.5基于模型的聚类方法
4.2.6聚类方法小结
4.3 SCARG方法
4.3.1问题说明
4.3.2 SCARG算法的关键技术
4.3.3 SCARG算法
4.3.4算法分析
4.3.5实验
4.3.6 SCARG算法小结
4.4 PSCARG方法
4.4.1 PSCARG算法说明
4.4.2实验
4.5小结
第五章基于聚类的近似查询处理关键技术
5.1近似查询处理的有关定义
5.2数据的预处理
5.2.1数据方体的划分
5.2.2数据的生成算法
5.3数据的存储结构
5.3.1数据结构
5.3.2霍夫曼编码
5.4聚类的计算
5.4.1分层K-Means方法
5.4.2SCARG与K-Means相结合的算法
5.5数据的维护
5.6查询处理
5.7查询结果的估计值和置信区间
5.7.1非聚集查询
5.7.2聚集查询
5.8实验
5.8.1数据描述
5.8.2实验方法
5.8.3算法的准确性
5.8.4算法的扩展性
5.9小结
第六章近似扩展数据方体技术
6.1近似扩展数据方体概述
6.2近似扩展数据方体的计算
6.3近似扩展数据方体的配置
6.3.1集合覆盖问题
6.3.2启发式算法
6.4近似扩展数据方体的维护
6.5近似扩展数据方体的查询优化
6.6小结
第七章总结与展望
7.1本文的主要贡献和创新
7.2进一步的工作
参考文献
致谢
作者简历